CVPRMay, 2024

监督对比学习用于快照光谱成像人脸反欺诈

PDF
TL;DR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。
re-balanced contrastive learningface anti-spoofingprinted photossilicone or latex maskshyperspectral images
发现论文，激发创造
  • 监控人脸反欺诈

    本文提出了一种基于 SuHiFiMask 数据集的 CQIL 网络，用于解决监控安全场景下面临的照片模拟攻击干扰和图像质量降低等问题。该方法通过图像质量变量模块（IQV）、对比学习策略和独立于图像质量的 Separate Quality Network（SQN）等方面来提高计算机视觉中的人脸反欺骗技术的准确性和稳定性。

    Jan, 2023

  • 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

  • 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

  • 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

  • Hyp-OC：用于人脸反欺骗的双曲超半监督分类

    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。

    Apr, 2024

  • 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

  • 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

  • CelebA-Spoof：带有丰富注释的大规模人脸反欺诈数据集

    本文介绍了防止虚假面孔识别的一种重要领域，即面部防欺骗。针对数量和多样性两大问题，提出了一个大规模的 CelebA-Spoof 数据集，并使用多任务框架 AENet 对现有方法进行了测试，揭示了一些有价值的观察结果。

    Jul, 2020

  • CelebA-Spoof 2020 人脸反欺诈挑战：方法与结果

    本论文介绍了 CelebA-Spoof 数据集，针对人脸反欺诈的研究进行了方法和结果报告，并分析了竞赛的排名解决方案，提出了未来的研究方向。

    Feb, 2021