Jun, 2020

局部观察全局推断：一种通用的面部防伪方法

PDF
TL;DR该研究提出了一种基于自监督区域全卷积网络（SSR-FCN）的人脸反欺诈框架，通过自监督方式学习面部图像的局部判别性线索，从而提高了泛化性能，同时保持了整体人脸反欺诈方法的计算效率，具有可解释性，本方法在未知攻击下所达到的 TDR=65%@2.0% FDR，表现出色。
face anti-spoofingspoof detectionlocal discriminative cuesssr-fcngeneralizability
发现论文，激发创造
  • 深度局部特征学习在人脸防欺骗检测中的应用

    本文使用卷积神经网络（CNN）中的局部特征来提高面部欺骗检测的性能，并且在整个面部图像上进行预训练，使 CNN 可以学习不同的本地欺骗线索，从而改进了性能并提高了最终模型的收敛速度。

    Jun, 2018

  • 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

  • 学习通用和身份鉴别的面部防欺诈表示

    该论文提出了一种基于 CNN 的面部反欺骗检测方法，使用总成对混淆（TPC）损失和快速域适应（FDA）组件来提高泛化性能和适用性，同时进行面部反欺骗和面部识别的多任务学习。实验结果表明，该模型在面部反欺骗方面优于之前的方法，并很好地保留了输入面部图像的身份信息。

    Jan, 2019

  • 跨域人脸反欺诈的深度转移

    本文提出了一种使用 CNN 框架利用目标领域的稀疏标记数据来改善人脸防欺骗模型跨数据集测试性能的方法，实验结果表明仅使用少量标记样本即可显著提高模型的泛化能力。

    Jan, 2019

  • 具有卷积视觉变换器的强韧面部反欺诈框架

    基于卷积视觉变换器的框架通过全局信息和面部图像中的局部线索来改善人脸识别性能和抵抗领域转变的作用，在面部反欺诈和领域泛化等领域取得了显著的提升。

    Jul, 2023

  • 基于深度强化学习的人脸防欺骗新框架 DRL-FAS

    本文提出了一种基于卷积神经网络和循环神经网络的面部反欺诈方法，该方法利用深度强化学习建模面部欺诈相关信息的探索行为，并结合全局信息和局部信息以达到分类目的，实验证明其效果达到最先进水平。

    Sep, 2020

  • 学习卷积神经网络进行人脸反欺骗

    本研究采用深度卷积神经网络（CNN）学习特征，在经过数据预处理后，能够大幅提高面部防欺诈性能，使得在 CASIA 和 REPLAY-ATTACK 数据集中相对错误率降低超过 70％，同时在两个数据集之间的交叉测试中，实验结果表明 CNN 能够获得更好的泛化能力，使用两个数据集的组合数据训练的网络在两个数据集之间具有更少的偏差。

    Aug, 2014

  • 面部反欺诈的几何时间动态研究

    本文提出了一种基于密集人脸标记的几何感知交互网络（GAIN）来区分正常和异常 Movements，通过与现有方法结合，显著提高了性能，该方法在标准的内部和跨数据集评估中取得了最先进的性能，在 CASIA-SURF 3DMask 上超越了最先进的方法，在跨数据集和跨类型协议下表现出强大的稳健性。

    Jun, 2023

  • 基于图像和视频的人脸反欺诈领域无关特征学习

    本文提出了一种基于条件分类器领域鉴别器的活体检测方法，该方法结合了梯度反转层，以产生具有鉴别性而又对环境光照、分辨率等因素具有鲁棒性的真人和虚假特征，该方法在图像和视频方面均优于现有的反欺诈技术。

    Dec, 2019

  • 面部防欺诈的深度频繁空时学习

    本研究提出了一种基于二流 FreqSaptialTemporalNet 的人脸反欺诈新方法，通过融合多种信息来提高性能并采用频谱图像作为一个输入流，以实现自动发现真假视频之间的主要差异。同时，利用适当的数据增强方法以解决数据不足的问题。

    Jan, 2020