基于面部肌肤贴片的人脸反欺骗算法，无需加密 / 解密图片，消除了隐私泄露风险，获得了在准确性和速度方面的显著优势。

Aug, 2023

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

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

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。

Aug, 2023

本文提出了一种特征生成和假设验证框架来缓解领域泛化和表示解缠问题，该框架引入了生成真实人脸和已知攻击假设的特征生成网络，进而应用两个假设验证模块来判断输入人脸是否来自真人脸空间和真人脸分布，实验结果表明我们的方法取得了有前途的结果，超过了广泛公开数据集上最先进的方法。

Dec, 2021

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

本研究将人脸防欺骗重新定义为材料识别问题，并结合人的材料感知，提出了多级双边卷积网络（BCN）及多级特征细化模块（MFRM）和多头监督，以提取辨别性和鲁棒性特征，实验表明该方法在六个基准数据集上性能优异。

Jul, 2020

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

本文提出了一种基于 PatchNet 模型与 VSAD 特征表达方法的图像场景识别混合表示方案，并在 MIT Indoor67 与 SUN397 两个基准数据集上取得了最新的最优性能结果。

Sep, 2016