Der Artikel stellt einen innovativen Ansatz zur gemeinsamen Erkennung physischer und digitaler Gesichtsangriffe vor. Der Ansatz verwendet zwei Arten von Datenaugmentierung, um die Leistung des Modells zu verbessern:
Simulated Physical Spoofing Clues (SPSC): Hierbei werden Live-Samples durch Simulation von Farbverzerrungen und Moiré-Mustern in simulierte physische Angriffsproben umgewandelt, um die Erkennung physischer Angriffe zu verbessern.
Simulated Digital Spoofing Clues (SDSC): Hier werden Live-Samples durch Simulation von Artefakten und Verzerrungen, die typisch für digitale Fälschungsangriffe sind, in simulierte digitale Angriffsproben umgewandelt, um die Erkennung digitaler Angriffe zu verbessern.
Die Experimente zeigen, dass SPSC und SDSC die Fähigkeit des Modells zur Erkennung "unbekannter" Angriffstypen in den Protokollen 2.1 und 2.2 des UniAttackData-Datensatzes deutlich verbessern. Darüber hinaus führt der Einsatz von SPSC und SDSC in Protokoll 1 auch zu einer Verbesserung der Generalisierungsleistung des Modells. Die Methode erzielte den ersten Platz in der "Unified Physical-Digital Face Attack Detection"-Kategorie der 5. Face Anti-spoofing Challenge@CVPR2024.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Xianhua He,D... at arxiv.org 04-15-2024
https://arxiv.org/pdf/2404.08450.pdfDeeper Inquiries