PulseAugur
实时 12:50:15
English(EN) Self-supervised Feature Disentanglement and Augmentation Network for One-class Face Anti-spoofing

新方法解耦特征以实现稳健的人脸防伪

研究人员开发了一种名为UFDANet的新型单类人脸防伪方法。该技术解耦了活体和域特征,以提高对未知攻击的鲁棒性。UFDANet还合成了新的活体和域特征,以增强泛化能力,其性能与现有的双类方法相当。 AI

影响 通过提高对欺骗攻击的鲁棒性,为增强面部识别系统的安全性引入了一种新颖的方法。

排序理由 这是一篇详细介绍新技术的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Pei-Kai Huang, Jun-Xiong Chong, Ming-Tsung Hsu, Fang-Yu Hsu, Yi-Ting Lin, Kai-Heng Chien, Hao-Chiang Shao, Chiou-Ting Hsu ·

    用于单类人脸防伪的自监督特征解耦与增强网络

    arXiv:2503.22929v3 Announce Type: replace Abstract: Face anti-spoofing (FAS) techniques aim to enhance the security of facial identity authentication by distinguishing authentic live faces from deceptive attempts. While two-class FAS methods risk overfitting to training attacks t…