CVPRMar, 2023

重新思考面部防欺诈领域通用性问题：可分性和对齐

PDF
TL;DR本文研究人脸反欺诈（FAS）模型在领域差异上的泛化问题，提出可使不同领域的实况到欺诈的过渡轨迹相同而达到域可分性和域不变分类器的 FAS 策略，即 SA-FAS，并在跨领域 FAS 数据集上展示其卓越性能。
face anti-spoofingdomain gapsseparabilityalignmentinvariant risk minimization
发现论文，激发创造
  • 面部反欺诈的特征生成与假设验证

    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

  • 面部反欺诈的实例感知域泛化

    本文提出了一种基于实例感知域泛化的人脸反欺诈方法，通过消除实例特定的样式来学习通用特征，同时使用动态内核生成器和分类样式组装来进一步促进对抗攻击的成功检测。

    Apr, 2023

  • 梯度对齐用于跨域人脸反欺诈

    介绍了一种新颖的学习目标 GAC-FAS，该目标鼓励模型收敛到一个最优的平坦最小值而不需要额外的学习模块，通过在每个域上识别升序点并调节在这些点的泛化梯度更新，使得模型对领域变化具有稳健性。在具有挑战性的跨领域 FAS 数据集上进行了严格测试，并取得了最优的性能。

    Feb, 2024

  • 面部反欺诈的测试时间域泛化

    测试时间域泛化框架通过引入测试数据来提升模型的适用性，该方法包括测试时间风格投影和多元风格变换模拟，有效地将未知数据投影到已知域空间，并在广泛使用的跨域 FAS 基准测试中展示出最先进的性能和有效性。

    Mar, 2024

  • 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

  • 基于单侧域泛化的人脸防欺诈

    提出了一种单边领域泛化（SSDG）框架，通过学习可推广的特征空间并使用非对称三元组损失来约束从不同域中生成的假面孔的分布，从而提高了面部反欺骗的泛化能力，并使用端到端的训练方式，通过实验证明该方法在四个公共数据库上优于现有的方法。

    Apr, 2020

  • 更新人脸反欺诈模型的多域学习

    本文提出了一种针对多种领域的人脸防欺骗的新模型，使用简单且有效的欺诈区域估计器 (SRE) 来识别欺诈痕迹，并提出了一个名为 FAS-wrapper 的新框架，以协助从已有的预先训练的模型中转移知识并与不同的 FAS 模型无缝集成。此外，还提出了一个新的基于 SIW，SIW-Mv2 和 Oulu-NPU 的基准测试，并介绍了四个不同的协议进行评估。在 MD-FAS 基准测试中，我们提出的方法比以前的方法表现更优秀。

    Aug, 2022

  • 基于混洗样式组装的领域泛化人脸防伪

    本论文提出了一种基于样式特征抽取和重新组合的新型混洗样式组装网络，通过对比学习策略以强调与活体相关的样式信息并抑制特定于领域的信息，以获得广义表示，并且还建立了新的大规模基准测试以进一步评估各算法的性能和有良好的结果。

    Mar, 2022

  • 基于去欺骗人脸生成器的广义人脸真实性检测

    通过使用真实面孔进行改进，提出了基于异常线索的人脸防伪技术（AG-FAS）方法，使用 De-spoofing Face Generator（DFG）改善模型泛化能力，并通过交叉注意力转换器进一步改善人脸防伪特征的泛化，此方法在跨领域评估中取得了最先进的结果。

    Jan, 2024

  • 领域通用的未知攻击下的人脸反欺诈

    通过引入一种新方法 DGUA-FAS，该方法包括基于 Transformer 的特征提取器和合成未知攻击样本生成器（SUASG），我们针对领域通用的未知攻击解决方案，实验结果表明我们的方法在已知或未知攻击的领域泛化 FAS 方面取得了卓越的性能。

    Oct, 2023