BriefGPT - AI 论文速递
·
通过挖掘因果线索和调整嵌入统计量进行人脸展示攻击检测
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本文提出了一种面部演示攻击检测（PAD）方法，通过逆向干预和面向类别的MixStyle来解决未知领域上的性能降级问题。该方法在有效性和效率上优于最先进的PAD方法。
🎯
关键要点
- 本文提出了一种面部演示攻击检测（PAD）方法，旨在解决未知领域上的性能降级问题。
- 该方法结合了逆向干预和面向类别的MixStyle技术。
- 基于DA的PAD方法需要访问未标记的目标数据，而基于DG的解决方案依赖于已知的域标签。
- 大多数DA/DG方法在计算上要求复杂的模型架构和多阶段的训练过程。
- 本文的方法从因果角度将PAD建模为复合DG任务，挖掘高级表示中的因果因素。
- 类别引导的MixStyle用于丰富类别内的特征级数据分布，而不侧重于域信息。
- 该方法不引入额外的可训练参数和计算资源。
- 大量跨数据集和分析实验表明该方法在有效性和效率上优于最先进的PAD方法。
- 实现代码和训练权重已公开可用。
➡️
