面部反伪造与跨阶段关系增强和伪造材料感知
Daiyuan Li1, Guo Chen2, Xixian Wu3
1South China University of Technology, Guangzhou, 510006, Guangdong, China; Pazhou Laboratory, Guangzhou, 510000, Guangdong, China; Key Laboratory of Big Data and Intelligent Robot, Ministry of Education, Guangzhou, 510000, Guangdong, China.
这项研究引入了一个新的CNN-Transformer框架,用于强大的面部防伪 (FAS). 该方法有效地整合了当地细节和全球背景,在基准数据集上取得了最先进的结果.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 生物识别信息 生物识别信息
背景情况:
- 面部防伪 (Face Anti-Spoofing,简称FAS) 对于保护访问控制,支付和监控中的面部识别系统至关重要.
- 目前的CNN方法在空间和跨层特征相关性方面扎,而变形金刚则缺乏详细的特征提取.
- 整合本地细节和全球语义信息对于有效的FAS至关重要.
研究的目的:
- 开发一个先进的面部防伪框架,克服现有的CNN和变压器模型的局限性.
- 加强对本地歧视特征和全球上下文信息的提取,以改进伪造检测.
- 创建一个大规模的近红外数据集,以推进FAS研究.
主要方法:
- 一个多阶段的CNN-Transformer框架,将局部特征的卷积层与远距离关系的自我注意力结合起来.
- 交叉注意力多阶段特征融合,将高阶段语义特征与低阶段任务相关特征集成.
- 像素智能材料分类监督和一个辅助分支来改善细微的伪造工件的歧视.
- 开发一个大规模的近红外面防伪数据集 (38万图像,1040个身份).
主要成果:
- 拟议的方法在OULU-NPU数据集和新创建的近红外数据集上实现了最先进的性能.
- 显示高效率,计算成本低 (1.3 GFlops) 和参数数量低 (3.2M).
- 有效地捕捉空间和跨层特征相关性,优于现有的方法.
结论:
- 集成的CNN-变压器框架为面部防伪提供了卓越的解决方案.
- 新型数据集促进了近红外FAS的研究,解决了当前数据的局限性.
- 该方法的效率和有效性突出显示了其在现实世界安全应用中的潜力.
更多相关视频
07:34Perceptual and Category Processing of the Uncanny Valley Hypothesis' Dimension of Human Likeness: Some Methodological Issues
Published on: June 3, 2013
09:09Foreign Accent and Forensic Speaker Identification in Voice Lineups: The Influence of Acoustic Features Based on Prosody
Published on: September 27, 2024
相关概念视频
Nonconscious Mimicry
Self-Evaluation: Self-Enhancement and Self-Verification
Self-Presentation: Self-Monitoring and Self-Handicapping
Stereotype Content Model
