.png){kind=icon}
返回
Empowering Morphing Attack Detection Using Interpretable Image-Text Foundation Model
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-93694-4_14.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
变体攻击检测已成为确保可靠验证场景下面部识别系统的关键组成部分。本文提出了一种多模态学习方法，能够提供变体攻击检测的文本描述。首先，我们展示了使用对比语言-图像预训练（CLIP）对所提出框架进行零样本评估，不仅可以实现泛化的变体攻击检测，还能预测最相关的文本片段。我们分析了包含短文本和长文本在内的十种不同文本提示。这些提示是根据人类可理解的文本片段设计的。在利用公开面部生物特征数据集开发的变体面部数据集上进行了大量实验。我们评估了当前最优（SOTA）预训练神经网络与所提出框架在五种不同变体生成技术（在三种不同媒介中捕获）的零样本评估中的表现。
Keyword:
Biometric
Face biometrics
Morphing attacks
Vulnerabilities
Interpretable
期刊
C
IF:
0
论文数:
32
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based LocalizationGrad-cam: 通过基于梯度的定位从深度网络进行视觉解释
OAAI
OAAI分享收藏
查看更多内容