跨域活体检测SOTA
通过在大规模真实人脸数据上训练的生成器，为任意输入人脸生成对应的“真脸”版本，利用输入与生成真脸之间的差异作为伪造线索，引导模型关注伪造区域，实现跨场景和未知攻击的泛化。
Long, Xingming · 张杰 · Shiguang, Shan
IEEE Transactions on Pattern Analysis and Machine Intelligence 2024
在9个公开数据集上跨域评估达到最优结果，支持未见场景和未知呈现攻击。
提出的Off-real Attention Network根据异常线索将注意力分配到输入的伪造区域，提高特征学习效率。
提供了理论分析，证明了所提异常线索的有效性。