跳到正文
arXiv · 机器人与计算机视觉· Yuhao Gao, Yichen Shi, Zitong Yu, Hongyang Wang, Hongrui Li, Ruixin Zhang, Shouhong Ding, Jun Feng·· 9 天前AI 评分31

FMA-Net:通过指令引导潜空间翻译实现多模态人脸呈现攻击检测的灵活模态适应

FMA-Net: Flexible Modality Adaptation for Robust Multimodal Face Presentation Attack Detection

AI 导读

FMA-Net 提出统一框架,利用指令引导潜空间翻译补偿缺失模态,在 WMCA 数据集 70% 模态缺失下将平均 ACER 从基线 4.24% 降至 3.22%,深度与红外完全不可用时 ACER 为 5.23%。该框架通过面部特征适配器整合全局结构与局部欺骗线索,并借助合成到真实域对齐减少特征差异。实验在 WMCA 和 PADISI-Face 数据集上验证了其在灵活不完整模态下的鲁棒性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org