AAAIDec, 2022

学习多义反欺骗迹象：一种用于人脸反欺骗的多模态解缠网络

PDF
TL;DR该研究论文主要针对人脸识别中的反欺诈问题，提出一种多模态解缠模型，通过对来自 RGB 和深度输入的欺诈模式进行重定标定和交叉模态聚合，实现了更精确、更稳健的反欺诈预测。
face recognitionanti-spoofingmulti-modal disentanglement modeladversarial learningattack detection
发现论文，激发创造
  • 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

  • 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

  • 通过分离表示学习进行人脸反欺骗

    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。

    Aug, 2020

  • 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

  • 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

  • 基于深度不确定性学习的人脸反欺诈的双重欺骗分离生成

    本文提出了基于 Dual Spoof Disentanglement Generation (DSDG) 框架的 “反欺诈通过生成” 的方法来改善现有的人脸反欺诈数据集的不足，采用可解释分解的潜变量表征来生成大规模的成对的真实和欺诈图片，通过引入轻量级的深度不确定性模块 (DUM)，消除了由于噪声样本所导致的深度预测不准确的问题，实验结果在五个基准测试中，均取得了最优效果。

    Dec, 2021

  • 人脸防照片攻击的深度空间梯度与时间深度学习

    本论文提出了一种使用多帧和深度学习方法进行面部防欺骗的新方法，通过 Residual Spatial Gradient Block 和 Spatio-Temporal Propagation Module 等技术实现了优秀的检测性能，在多个数据集上均取得了最先进的结果。

    Mar, 2020

  • 跨族群人脸反欺诈识别挑战：综述

    该研究主要探讨基于深度神经网络的人脸反欺诈技术在实践中存在的族裔偏差问题，并介绍了 CASIA-SURF CeFA 跨种族人脸反欺诈数据集与 Chalearn Face Anti-spoofing Attack Detection Challenge 竞赛等相关内容及其结果

    Apr, 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

  • 跨域人脸反欺诈的深度转移

    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