FAS-DRL[2020-ECCV]

Paper-info

• title : Face Anti-Spoofing via Disentangled Representation Learning[2020-ECCV]
• 作者单位 : 华东师范、腾讯优图
• GitHub ： None

Motivation

          

       目前FAS常用的方法有：binary-classification[泛化能力堪忧、有可能model学到的是background、light等feature，而不是spoof-cue]，auxiliary-supervision(e.g. AuxiliaryNet[1], Face de-spoofing[2], LGSC[3], ... )[预先设定spoof-pattern(类似于domain prior)，虽然这样的策略较binary-classification系列的模型在泛化性能上有了大幅的提升，但是由于真实的spoof-cue往往具有复杂多变的特点，预设的spoof-pattern不足以cover这些spoof-cue]。

       考虑到上述方法的固有缺点，本文提出了基于解耦表征学习的FAS模型。它将人脸图像的embedding-feature在liveness-space、content-space进行分解，分解为liveness features[liveness-related]、content features[liveness-irrelated]。

Details

1

Experiment

1

Reference

[1]. Learning deep models for face anti-spoofing: Binary or auxiliary supervision[CVPR-2018]

[2]. Face de-spoofing: Anti-spoofing via noise modeling[ECCV-2018]

[3]. Learning Generalized Spoof Cues for Face Anti-spoofing[ArXiv-2020]