ECCVAug, 2020

通过分离表示学习进行人脸反欺骗

PDF
TL;DR本文提出了一种新型的人脸反欺诈方法，旨在通过解缠活体特征和内容特征从图像中提取最终进行分类的活体特征，并采用卷积神经网络和低层级和高层级监控的结合来提高其泛化能力，并在公共基准数据集上进行了充分的实验结果验证。
face anti-spoofingdisentangled representation learningconvolutional neural networkpublic benchmark datasetslow-level and high-level supervision
发现论文，激发创造
  • 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

  • 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

  • 人脸去欺骗：噪声建模反欺骗

    本研究提出一种面部反欺诈方法，通过图像处理和 CNN 架构对虚假面部噪声进行建模，可以通过反向分解虚假面部得到虚假噪声和真实面部，以增强分类的准确性并可视化虚假噪声。

    Jul, 2018

  • 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

  • 基于活体得分的人脸反欺诈回归神经网络

    本文提出了一种基于生命得分回归网络的活体检测方法，通过引入一种称为伪分级标签编码的新标记方法来解决第三方网络的精度问题，进而在四个面部活体检测基准实验中取得了比以前方法更好的效果。

    Feb, 2023

  • 从面部图像学习解耦表情表示

    本文使用对抗学习方法学习人脸图像的解缠表示，提高了在 AffectNet 数据集上表情识别任务的准确率。

    Aug, 2020

  • 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

  • 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

  • 通过潜在空间映射的人脸身份分离

    本文提供了一种使用预训练网络来学习数据的解缠表示的方法，以实现最小的监督，同时展示了该方法在头部图像领域上成功将身份从其他面部属性中解缠并显示出较好的评估结果。

    May, 2020