Aprendizaje continuo eficiente y sin ensayos para la lucha contra la falsificación de caras

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Aprendizaje automático

Sus antecedentes:

• Los modelos Face Anti-Spoofing (FAS) se enfrentan a la evolución de las técnicas de falsificación, lo que requiere estrategias de aprendizaje continuo sólidas.
• Los métodos existentes para mitigar el olvido catastrófico (CF) en FAS son inadecuados para señales sutiles de suplantación y carecen de mejora de generalización.
• El olvido catastrófico en FAS está relacionado con patrones de atención inconsistentes dentro de los modelos de Vision Transformer (ViT).

Objetivo del estudio:

• Desarrollar una estrategia de aprendizaje continuo FAS eficaz que mitiga el olvido catastrófico (CF) y mejora la generalización a los ataques de suplantación no vistos.
• Para abordar las limitaciones de las estrategias actuales de CF en el manejo de la naturaleza imperceptible de la información falsificada.
• Proponer un método que extraiga información generalizada de la textura de la falsificación y mantenga la consistencia de la atención.

Principales métodos:

• Propuso un módulo de adaptador de convolución de diferencia central dinámica de instancia con conjunto ponderado para el ajuste fino del transformador de visión (ViT).
• Se introdujo la regularización de la consistencia de la atención para aliviar el olvido catastrófico (OC) mediante el aprendizaje y la reutilización de las matrices de atención ViT.
• Desarrolló nuevos protocolos y realizó extensos experimentos para su validación.

Principales resultados:

• El método propuesto demuestra un rendimiento superior en el alivio del olvido catastrófico (OC) durante el aprendizaje continuo de Face Anti-Spoofing (FAS).
• El enfoque mejora significativamente la capacidad de generalización de los modelos FAS a dominios de suplantación no vistos y tipos de ataque.
• El método extrae efectivamente información de textura de spoofing generalizada y mantiene la consistencia de la atención en todas las sesiones de aprendizaje.

Conclusiones:

• El adaptador dinámico desarrollado y la regularización de la consistencia de la atención son efectivos para combatir el olvido catastrófico (CF) en Face Anti-Spoofing (FAS).
• La estrategia propuesta ofrece una solución prometedora para la construcción de sistemas FAS robustos y adaptables capaces de hacer frente a las amenazas en evolución.
• Los hallazgos destacan la importancia de los mecanismos de atención y la información de la textura para la detección generalizada de la falsificación en entornos de aprendizaje continuo.