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
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
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。
Nov, 2020
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
本文提出了一种抗各种攻击类型的人脸反欺诈框架 (ATR-FAS),通过使用多个网络生成深度图并利用多个专家网络的结果进行混合,实现了对欺诈人脸的稳定检测,并且在大量实验证明了该框架显著优于现有最先进的方法。
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
本文提出了一种用于人脸反欺诈的领域对抗攻击方法,通过对输入图像添加扰动使其在领域间不可区分从而实现领域对齐;此外,结合领域对抗攻击与双教师知识蒸馏,开发了一种具有领域对齐的双教师知识蒸馏框架用于人脸反欺诈。在公共数据集上进行大量的消融研究和与最先进方法的比较结果验证了我们提出方法的优势。
Jan, 2024
该研究提出了一种基于 Efficient Parameter Transfer Learning (EPTL) 范 Paradigm 的面部反欺骗 (Face Anti-Spoofing,FAS) 方法,通过在预训练的 Vision Transformer 模型中插入适配器模块,并在训练过程中更新适配器,从而在零样本和少样本的跨域测试中实现了显著的改进,超过了多个基准测试的最新方法。
Sep, 2023
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
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。
May, 2020