.png){kind=icon}
返回
Learning Knowledge-Based Prompts for Robust 3D Mask Presentation Attack Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TPAMI.2025.3618630.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
3D面具呈现攻击检测对于保护人脸识别系统免受日益增长的3D面具攻击威胁至关重要。尽管大多数现有方法利用多模态特征或远程光电容积脉搏波（rPPG）信号来区分真实人脸和3D面具，但它们面临着高昂的多模态传感器成本和有限的泛化能力等显著挑战。与检测相关的文本描述提供简洁、通用的信息，且获取成本低廉。然而，视觉-语言多模态特征在3D面具呈现攻击检测方面的潜力尚未被探索。在本文中，我们提出了一种新颖的知识引导提示学习框架，以探索视觉-语言模型在3D面具呈现攻击检测中的强泛化能力。具体而言，我们的方法将知识图谱中的实体和三元组整合到提示学习过程中，生成精细的、任务特定的显式提示，从而有效利用预训练视觉-语言模型中嵌入的知识。此外，考虑到不同的输入图像可能强调不同的知识图谱元素，我们引入了一种基于注意力机制的视觉特定知识过滤器，以根据视觉上下文细化相关元素。另外，我们借鉴因果图理论的见解，进一步增强了提示学习过程的泛化能力。在训练过程中，采用一种去除虚假关联的范式，利用知识引导的文本特征去除类别无关的局部图像块，促进与类别相关的局部图像块对齐的泛化因果提示的学习。实验结果表明，所提出的方法在基准数据集上达到了当前最先进的跨场景和同场景检测性能。
Keyword:
3D mask detection
face presentation attack detection
face anti-spoofing
prompt learning
期刊
IF:
18.6
论文数:
1.1K
被引数:
9.8W
机构
引用论文
.png){kind=icon}
Remote Photoplethysmography Correspondence Feature for 3D Mask Face Presentation Attack Detection
PREAI
分享收藏
分享收藏分享收藏Detecting Presentation Attacks from 3D Face Masks Under Multispectral Imaging基于多光谱成像的3D人脸面具呈现攻击检测
PREAI
分享收藏
查看更多内容