ECCVNov, 2021

FRT-PAD：基于人脸相关任务驱动的有效呈现攻击检测

PDF
TL;DR该论文介绍了一种利用人脸相关任务先验知识来提高 Presentation Attack Detection (PAD) 的泛化能力的方法，该方法包括引入人脸相关任务的特征、设计跨模态适配器以重新映射特征并使用卷积神经网络 (CNN) -basaed PA 检测器的分层特征和重新映射特征来实现 PAD。实验结果表明，该方法在复杂和混合数据集上表现显着优于现有技术。
presentation attack detectionface recognition systemsgeneralization abilitycross-modal adapterhierarchical features
发现论文，激发创造
  • 通用表现攻击检测：一种面部防欺诈评估方案

    本文介绍了一种名为 face-GPAD 的新的开源评估框架，旨在研究人脸 PAD 方法的泛化能力，同时提出了一个聚合和分类的大型数据集，以解决公共数据集之间的不兼容性问题，并提出了两个新的评估协议，旨在测量人脸分辨率变化引入的影响和评估对抗性操作条件的影响。

    Apr, 2019

  • 通过挖掘因果线索和调整嵌入统计量进行人脸展示攻击检测

    最近的面部演示攻击检测 (PAD) 利用领域适应 (DA) 和领域泛化 (DG) 技术来解决未知领域上的性能降级问题。然而，基于 DA 的 PAD 方法需要访问未标记的目标数据，而大多数基于 DG 的 PAD 解决方案依赖于先验的，即已知的域标签。此外，大多数基于 DA/DG 的方法在计算上要求复杂的模型架构和 / 或多阶段的训练过程。本文提出一种从因果角度将面部 PAD 建模为复合 DG 任务的方法，通过逆向干预挖掘高级表示中隐藏的因果因素。此外，我们引入了一种面向类别的 MixStyle，用于丰富类别内的特征级数据分布，而不是侧重于域信息。类别引导的 MixStyle 和逆向干预组件都不引入额外的可训练参数和计算资源。大量的跨数据集和分析实验证明了我们的方法与最先进的 PAD 方法相比的有效性和效率。实现代码和训练权重公开可用。

    Aug, 2023

  • 全局 - 局部模型使用的指纹展示攻击检测器

    该研究提出了一种名为 RTK-PAD 的全局 - 局部模型的假证据检测方法，通过采用全局模块和局部模块之间的重新思考模块连接，结合了全局和局部的假证据得分，以实现假证据检测，并在 LivDet 2017 上进行的实验结果表明 RTK-PAD 表现显著，在 TDR（真实检测率）方面比现有方法高 10%（91.19% 对 80.74%）。

    Feb, 2024

  • 一种紧凑型深度学习模型用于人脸欺骗检测

    本文采用宽与深特征融合的神经网络结构来解决假攻击检测问题，并在多个数据集上进行了实验验证。

    Jan, 2021

  • 人脸表现攻击检测中的公正性

    本研究提供了一个结合多个 PAD 数据集的 Combined Attribute Annotated PAD Dataset（CAAD-PAD），并引入了 Accuracy Balanced Fairness（ABF）这一新指标来综合衡量 PAD 的公平性和绝对性能，同时提出了一种名为 FairSWAP 的数据增强方法，可以提高面部 PAD 的公平性和性能。

    Sep, 2022

  • 基于深度学习的指纹呈现攻击检测：综述

    通过分类总结深度学习 Fingerprint Presentation Attack Detection（FPAD）的方法，主要集中于近年来的 deep-learning FPAD 技术，涉及指纹认证、攻击检测、接触式和智能手机模式等主题。

    May, 2023

  • 多域解缠表示学习的跨域人脸攻击检测

    提出了一种用于跨域人脸展示攻击检测的高效解耦表征学习方法：DR-Net 和 MD-Net。实验表明，该方法有效解决了传统方法中因训练集主体特征过拟合而导致无法很好地泛化到未知情景的问题。

    Apr, 2020

  • 基于多通道卷积神经网络的生物特征面部呈现攻击检测

    本研究提出了一种基于多通道卷积神经网络的面部攻击检测方法，以解决面部生物识别在非监督应用中易受攻击的问题，并引入了新的宽多通道演示攻击数据库用于面部演示攻击研究。研究结果表明该方法优于现有特征提取方法，能够在 WMCA 数据库上实现 0.3% 的 ACER 性能，并已开放该数据库和相关软件供公共使用。

    Sep, 2019

  • Flickr-PAD: 新面孔高分辨率演示攻击检测数据库

    本研究提出了一种基于 Flickr 图像的新型 PAD 数据库：Flickr-PAD，利用该数据库进行训练和评估可以得到比现有算法更好的结果，该方法使用了 MobileNet-V3 和 EfficientNet-B0 模型， BPCER10 为 7.08％，BPCER20 为 11.15％。

    Apr, 2023

  • PAD-Phys 在面部生物测量中利用生理学进行演示攻击检测

    基于远程光电容积描记术 (rPPG)，本研究提出了三种不同的基于 rPPG 的展示攻击检测方法：(i) 生理领域，即使用 rPPG 模型的领域，(ii) Deepfakes 领域，在其中从生理领域重新训练模型以执行特定的 Deepfakes 检测任务；和 (iii) 新的展示攻击领域，通过将从前两个领域应用迁移学习来提高区分真实和攻击的能力。实验结果表明，基于 rPPG 的模型在展示攻击检测中效率高，将平均分类错误率 (ACER) 从 41.03％降低到 19.32％，比生理和 Deepfakes 领域减少了 21.70％。我们的实验突出了 rPPG 模型中迁移学习的效率，且对于不允许复制这种生理特征的设备，在展示攻击检测中表现良好。

    Oct, 2023