CASIA-FASD

基础模型在面部攻击检测方面展现出潜力，但在跨数据集迁移方面存在困难

研究人员通过统一的线性探测协议评估了24个冻结编码器，以研究基础模型在面部呈现攻击检测（PAD）方面的有效性。研究发现，虽然这些模型包含通过最少训练即可访问的PAD相关信息，但由于领域漂移，这些信息在不同数据集之间无法可靠地迁移。模型规模在某些家族内显示出优势，但性能也受到架构和预训练方法的影响。InternViT-6B在数据集内误差最低，而CLIP ViT-B/32在测试探针中提供了最佳的跨数据集迁移-计算权衡。