Nov, 2020

重新探讨面部反欺诈的像素级监督

PDF
TL;DR本文综述分析了现有的人脸反欺诈像素级监督方法，提出了一种新的金字塔监督，在五个基准数据集上的实验验证了该监督能够提高性能并增强深度模型的可解释性。在不同架构配置和监督方法（二元掩码和深度图监督）的研究中，提供了启发性的见解，可用于未来的架构 / 监督设计。
face anti-spoofingpixel-wise supervisionpyramid supervisiondeep modelspresentation attacks
发现论文，激发创造
  • 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

  • 面部反欺诈的元教师

    通过提出一种_META_teacher_fas (MT-FAS) 方法，作者旨在通过元学习的方法更有效地监督 PA 检测器的学习，以获得更好的反欺骗表现。

    Nov, 2021

  • 面部展示攻击检测的深度像素二元监督

    本文提出了一种卷积神经网络的框架，用于检测面部识别中的展示攻击，该框架使用像素级监督的深度学习技术，可以使用帧级别信息进行部署，适用于在智能设备中的部署，该方法在公共数据集上验证有效性，并在多项实验中超过当前最先进的方法。

    Jul, 2019

  • 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

  • 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

  • CNN 网络数据领域变化的可视化方法及分类任务阈值选择的优化方法

    通过可视化方法来直观反映模型的训练结果，并展示数据增强技术对跨领域 Face Anti-Spoofing 任务的有效性，同时基于训练数据集的分布提出了一种设置阈值的方法。最终在两个竞赛中获得了第二名。

    Apr, 2024

  • FLIP: 跨领域人脸反欺骗技术与语言引导

    通过使用多模态预训练与自然语言语义对齐图像表示以改善面部反欺骗任务的泛化能力，进一步利用多模态对比学习策略弥合源域与目标域之间的差距，实现鲁棒的跨领域面部反欺骗。

    Sep, 2023

  • 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

  • PatchNet: 一种基于精细化 Patch 识别的简易面部防欺骗框架

    本文提出了 PatchNet 框架，通过对非扭曲的面部图像裁剪，识别由拍摄设备和陈列材料组成的细粒度面部图案，以加强对本地拍摄模式的区分学习，同时提出了新的分类和自监督相似度损失函数，并在多项测试数据上验证了该框架在面部反欺诈技术方面的优越性

    Mar, 2022

  • 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