Learning Facial Liveness Representation for Domain Generalized Face Anti-spoofing

要約

顔のなりすまし防止 (FAS) は、顔のなりすまし攻撃と本物の攻撃を区別することを目的としています。これは通常、関連する分類タスクを実行するための適切なモデルを学習することによって行われます。
実際には、そのようなモデルはさまざまな画像ドメインで FAS に一般化されると予想されます。
さらに、スプーフィング攻撃の種類が事前にわかっていると仮定するのは現実的ではありません。
この論文では、前述のドメインで一般化された顔のなりすまし防止タスクに対処するための深層学習モデルを提案します。
特に、私たちが提案するネットワークは、顔の生き生きとした表現を無関係なもの（つまり、顔の内容と画像ドメインの特徴）から解きほぐすことができます。
結果として得られる活性表現は、十分なドメイン不変特性を示すため、ドメイン一般化 FAS の実行に適用できます。
私たちの実験では、さまざまな設定の 5 つのベンチマーク データセットで実験を行い、目に見えない画像ドメインでの新しいタイプのスプーフィング攻撃を識別する最先端のアプローチに対してモデルが有利に機能することを確認します。

要約(オリジナル)

Face anti-spoofing (FAS) aims at distinguishing face spoof attacks from the authentic ones, which is typically approached by learning proper models for performing the associated classification task. In practice, one would expect such models to be generalized to FAS in different image domains. Moreover, it is not practical to assume that the type of spoof attacks would be known in advance. In this paper, we propose a deep learning model for addressing the aforementioned domain-generalized face anti-spoofing task. In particular, our proposed network is able to disentangle facial liveness representation from the irrelevant ones (i.e., facial content and image domain features). The resulting liveness representation exhibits sufficient domain invariant properties, and thus it can be applied for performing domain-generalized FAS. In our experiments, we conduct experiments on five benchmark datasets with various settings, and we verify that our model performs favorably against state-of-the-art approaches in identifying novel types of spoof attacks in unseen image domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google