Apr, 2024

Hyp-OC：用于人脸反欺骗的双曲超半监督分类

PDF
TL;DR我们提出了一种从单类的角度重新构建面部反欺骗任务，并提出了一种新的双曲线单类分类框架。通过在双曲线空间中运行的两个新的损失函数以及欧几里德特征剪切和梯度剪切，我们的方法在五个基准数据集上显著优于最先进的技术，实现了更好的欺骗检测性能。
face anti-spoofingone-class classificationhyperbolic one-class classification frameworkloss functionsbenchmark datasets
发现论文，激发创造
  • 双曲面人脸反欺骗

    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

  • 人脸反欺诈的深度学习技术概述

    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

  • 监督对比学习用于快照光谱成像人脸反欺诈

    本研究提出了一种先进的重新平衡对比学习策略，旨在加强人脸识别系统中的人脸反欺骗能力，重点应对印刷照片和高度逼真的硅胶或乳胶面具带来的挑战。通过利用 HySpeFAS 数据集，该数据集利用快照光谱成像技术提供高光谱图像，我们的方法将类别级别的对比学习与数据重采样和创新的面向真实脸部的重新加权技术相结合。该方法有效地抑制了数据集不平衡和减少与身份相关的偏差。值得注意的是，我们的策略在 HySpeFAS 数据集上取得了前所未有的 0.0000％的平均分类错误率（ACER），在 CVPR 2024 年 Chalearn 快照光谱成像人脸反欺骗挑战赛中名列第一。

    May, 2024

  • 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

  • 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

  • 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

  • 学习零样本和少样本人脸防欺诈的元模型

    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

  • 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

  • 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

  • 具有卷积视觉变换器的强韧面部反欺诈框架

    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