VALSE 论文速览 第25期：基于无监督对抗迁移的跨域人脸呈现攻击检测

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周发布一至两篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自中国科学院计算技术研究所等单位的基于无监督对抗迁移的跨域人脸呈现攻击检测方面的工作。该工作由韩琥研究员、山世光研究员和陈熙霖研究员指导，王国庆录制。

论文题目：基于无监督对抗迁移的跨域人脸呈现攻击检测

作者列表：王国庆 (中国科学院大学)，韩琥 (中国科学院计算技术研究所)，山世光 (中国科学院计算技术研究所)，陈熙霖 (中国科学院计算技术研究所)

B站观看网址：

https://www.bilibili.com/video/BV1ZQ4y1S7KG/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

论文摘要：

人脸呈现攻击检测 (PAD)对于保护广泛使用的人脸识别系统至关重要。大多数现有的 PAD 方法在新场景中的泛化能力不强，而新场景往往又缺乏有标签的数据。为此，我们研究了利用有标签源域数据和无标签目标域数据条件下的PAD模型学习，并提出了一种基于无监督对抗迁移的PAD方法 (DR-UDA)。该方法由三个模块组成，即 ML-Net、UDA-Net 和 DR-Net。ML-Net 旨在通过度量学习使用有标签的源域人脸图像来学习真实人脸与欺骗人脸直接的有判别力特征。UDA-Net 通过无监督的对抗域式自适应，联合优化源域和目标域的特征编码器，从而获得被两个域共享的公共特征空间，进而可以让源域的ML-Net模型对目标域的无标签人脸图像也具有判别能力。DR-Net 通过从公共特征空间重建源域和目标域人脸图像，将域无关和域相关的特征解耦，进一步提升共同特征空间的重构能力和判别能力。所提方法在多个公开人脸 PAD 数据库的跨域测试中都展现出很好的泛化能力。

论文信息：

[1] Guoqing Wang, Hu Han, Shiguang Shan and Xilin Chen, "Unsupervised Adversarial Domain Adaptation for Cross-Domain Face Presentation Attack Detection," IEEE Transactions on Information Forensics and Security, vol. 16, pp. 56-69, 2021.

论文链接：

[https://ieeexplore.ieee.org/abstract/document/9116802]

代码链接：

[https://github.com/wgqtmac/DR-UDA]

视频讲者简介：

王国庆，中国科学院大学硕士，研究方向为计算机视觉，专注于人脸呈现攻击检测，在CCF A类期刊IEEE TIFS和会议CVPR等发表4篇一作论文，现为腾讯安全平台部算法研究员。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：张长青 (天津大学)、江波 (安徽大学)

季度责任AC：许永超 (武汉大学)

活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行，欢迎在B站搜索VALSE_Webinar关注我们！

直播地址：

https://live.bilibili.com/22300737；

历史视频观看地址：

https://space.bilibili.com/562085182/ 

2、VALSE Webinar活动通常每周三晚上20:00进行，但偶尔会因为讲者时区问题略有调整，为方便您参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ R群，群号：137634472）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3. VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。

4、您也可以通过访问VALSE主页：http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT（经讲者允许后），会在VALSE官网每期报告通知的最下方更新。

看到这了，确定不关注下吗？关注下再走吧～