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
- 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
- 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
- 在LSTM中嵌入了对选定的动态关键帧的注意机制
- 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