双交叉注意反欺骗模型

跨域泛化强

通过特征增广、对齐与互补，实现跨域人脸反欺骗的通用性提升。

Liu, Ajian

International Journal of Computer Vision 2024

技术优势

即插即用

三个模块与任何 ViT 变体兼容，无需修改主干网络即可提升泛化性能。

跨域泛化强

通过 MixStyle 合成多样域特征、双交叉注意对齐域不变表示、半固定 MoE 补充域特定信息，全方位提升跨域性能。

超越现有方法

在多个公开数据集上的实验表明，所提出的 CA-MoEiT 取得了当前最优结果。

应用场景

• 人脸识别安全：集成到人脸识别系统中，对打印、重放等欺骗攻击进行防御。
• 活体检测：利用跨域泛化模型检测真实人脸与伪造人脸，提升活体检测在未知攻击下的准确率。
• 视觉Transformer：为 ViT 主干添加 MixStyle、双交叉注意和半固定 MoE 模块，提升其在 FAS 任务上的泛化能力。