May, 2020

学习人脸防欺骗的通用欺骗特征

PDF
TL;DR本研究提出了一种基于异常检测的面部活体检测框架，通过学习区分真人和虚假攻击的差异性信息（称作欺骗线索），来提高模型的鲁棒性和泛化性能，实验结果表明该方法优于现有技术。
face anti-spoofinganomaly detectionspoof cuesdiscriminative feature learningstate-of-the-art methods
发现论文，激发创造
  • 基于去欺骗人脸生成器的广义人脸真实性检测

    通过使用真实面孔进行改进，提出了基于异常线索的人脸防伪技术（AG-FAS）方法，使用 De-spoofing Face Generator（DFG）改善模型泛化能力，并通过交叉注意力转换器进一步改善人脸防伪特征的泛化，此方法在跨领域评估中取得了最先进的结果。

    Jan, 2024

  • 基于半监督学习的人脸反欺诈通用方法

    本文提出了一种利用无监督预训练改进性能的方法，介绍了 Entry Antispoofing 数据集来进行监督微调，并提出了一种多类别辅助分类层，以增强检测欺骗企图的二进制分类任务，实现了在多个数据集上的最新结果。

    Jun, 2022

  • 双曲面人脸反欺骗

    基于超几何空间和多模态特征的通用面部反欺骗方法在不同攻击类型下表现出显著的性能提升，并在少量攻击类型下具有很好的泛化能力。

    Aug, 2023

  • 人脸反欺诈的深度学习技术概述

    本文首次系统综述了基于深度学习的人脸反欺诈技术，从像素级监督、领域泛化和多模式传感器等多个角度出发，阐述了该领域的最新成果与潜在前景。

    Jun, 2021

  • 学习零样本和少样本人脸防欺诈的元模型

    通过元学习，提出了一种新的方法 —— 自适应内部更新元人脸反欺诈方法（AIM-FAS），来解决面部防欺诈中的零样本和小样本学习问题，并在零样本反欺诈测试中表现出了优异的性能。

    Apr, 2019

  • 基于双阶段特征学习的人脸反欺诈解绑特征表示

    提出一种新的双阶段解缠表示学习方法，可以更好地检测未见攻击类型，以防止过度拟合于预定义的欺骗攻击类型，并在多个交叉类型的面部反欺骗基准测试中表现出卓越的准确性。

    Oct, 2021

  • 关于解离面部欺骗的伪迹的通用面部反欺骗技术

    通过对抗性学习框架，设计出一种方法以多尺度模式的等级组合方式将伪造痕迹从输入面部中分离出来，并进一步经过适当的几何修正合成出另一张逼真伪造面孔图像，从而具有卓越的伪造检测性能。

    Jul, 2020

  • 面部反欺诈的特征生成与假设验证

    本文提出了一种特征生成和假设验证框架来缓解领域泛化和表示解缠问题，该框架引入了生成真实人脸和已知攻击假设的特征生成网络，进而应用两个假设验证模块来判断输入人脸是否来自真人脸空间和真人脸分布，实验结果表明我们的方法取得了有前途的结果，超过了广泛公开数据集上最先进的方法。

    Dec, 2021

  • 物理引导的欺骗痕迹分离在通用人脸反欺骗方面的应用

    本文提出了一种基于对抗学习的框架，可以将面部欺骗分离成欺骗痕迹和真实成分，并使用三个附加递进组件和一个修复组件代表不同频带处的痕迹，该方法在面对已知攻击、未知攻击和开放式攻击等三种情况时均显示出良好的性能，能实现面部欺骗检测的泛化与精确。

    Dec, 2020

  • 面部反欺诈学习深度模型：二进制或辅助监督

    本研究介绍了一种通过 CNN-RNN 模型学习面部深度和估计 rPPG 信号来识别真实人脸和虚假人脸的新型面部反欺诈方法，并提出了一种新的面部反欺诈数据库，数据集包含大范围的变化。实验结果表明，该模型在数据库内和跨数据库测试上均达到了最先进水平。

    Mar, 2018