【论文解读】Enhance the Motion Cues for Face Anti-Spoofing using CNN-LSTM Architecture|利用CNN-LSTM结构增强人脸反欺诈

概览

• 发表团队：电子科大 Xiaoguang Tu等
• 发表时间：2019.01.17(arxiv)
• 发表刊物:
• 用到的数据集：MSU-MFSD
• 文章链接：Enhance the Motion Cues for Face Anti-Spoofing using CNN-LSTM Architecture

主要贡献

1. 提出使用LSTM-CNN架构来学习时间特征，并利用视频帧间的运动线索来进行人脸反欺骗
2. 使用欧拉运动放大方法作为预处理来增强个体所表现出的面部表情
3. 在LSTM中嵌入了对选定的动态关键帧的注意机制
4. 在LSTM loss和CNN loss的基础上，建立了一个confusion loss layer来平衡CNN和LSTM的学习水平，以获得更好的泛化能力。

动作放大

这里的动作放大主要是运用了欧拉动作放大，对原始的视频序列进行放大，在放大倍率α的选择上，原文中提到……用的是视觉检查法（？）

• In our work, the value of α is selected optimally by visual inspection of the proposed videos from the training dataset.

为了演示这种运动放大预处理方法的结果，原文中选择了一个视频片段，如下图所示，其中T表示时间轴。原始帧以相等的时间间隔拍摄。由于静态视频图像中没