Multi-Frames Temporal Abnormal Clues Learning Method for Face Anti-Spoofing

要約

顔詐称対策研究は、顔認識において広く利用されており、産業界や学術界からも注目されている。本論文では、差分フィルタと残差ピラミッドを用いて、連続フレームから異常な手がかりをそれぞれ抽出・増幅する新しい時間特徴融合ネットワークであるEulerNetを提案する。顔ランドマークに基づく軽量サンプルラベリング法は，大規模サンプルを低コストでラベリングするために設計され，3Dカメラなどの他の方法と比較して良好な結果を得ることができる．最後に、実環境における様々な形態の攻撃を再現するデータセットを作成するため、様々なモバイル端末を用いたライブサンプルとなりすましサンプルを30,000件収集する。公開されたOULU-NPUを用いた広範な実験により、我々のアルゴリズムが最先端の技術より優れていることが示され、我々のソリューションはすでに数百万のユーザーにサービスを提供する実世界のシステムで展開されています。

要約(オリジナル)

Face anti-spoofing researches are widely used in face recognition and has received more attention from industry and academics. In this paper, we propose the EulerNet, a new temporal feature fusion network in which the differential filter and residual pyramid are used to extract and amplify abnormal clues from continuous frames, respectively. A lightweight sample labeling method based on face landmarks is designed to label large-scale samples at a lower cost and has better results than other methods such as 3D camera. Finally, we collect 30,000 live and spoofing samples using various mobile ends to create a dataset that replicates various forms of attacks in a real-world setting. Extensive experiments on public OULU-NPU show that our algorithm is superior to the state of art and our solution has already been deployed in real-world systems servicing millions of users.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL