视觉 Transformer 减少了面部反欺骗系统中的人口统计学偏差

一篇新发表在 arXiv 上的研究调查了视觉 Transformer (ViT) 架构对人脸呈现攻击检测 (PAD) 系统中人口统计学偏差的影响。该研究使用 CASIA-SURF Cross-Ethnicity Face Anti-Spoofing (CeFA) 数据集，将 ViTs 与卷积神经网络 (CNNs) 进行了比较。结果表明，与 CNN 基线相比，ViT 模型，特别是 DeiT-S 架构，在不同族裔群体中实现了更高的准确率，并显著减少了性能差异。 AI

影响 视觉 Transformer 架构可能为更公平、更鲁棒的人脸反欺骗系统提供一条途径，减少对较深肤色的偏见。

排序理由 学术论文，详细介绍了 AI 模型架构的比较研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• CASIA-SURF Cross-Ethnicity Face Anti-Spoofing
• convolutional neural network
• DeiT-S
• Jema David Ndibwile
• ResNet18
• Vision Transformers

• 论文
• 安全

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