논문

하루에도 수만개의 글자를 읽고 있습니다. 하루에도 수백장의 종이를 들춰 읽습니다.
이것은 그 읽기에 대한 일기입니다.

Learning Generalized Deep Feature Representation for Face Anti-spoofing

  • Face spoofing 과정에서 spaitial, temporal 아티팩트가 발생한다.
  • 이러한 아티팩트를 잡아 내기 위해 CNN 구조를 이용할텐데, temporal statistics를 위해서 3D CNN 구조를 이용하였다.
  • 또한 곧바로 classification loss를 적용하면 오버핏 문제가 발생하여 unseen data에 대해 generalize 할 수 없으므로 domain generailzation 테크닉을 적용하였다.
  • 3D CNN을 적용하기 위해 연속된 프레임들을 쌓아서 입력으로 사용하였고, 3D pooling, 3D BatchNorm 등을 적용하엿다.
  • Augmentation 기법으로는 배경이나 베젤의 영향을 적게 하기 위하여 본래 얼굴 위치에서 크롭되는 영역을 shift하여 사용하였고, gamma correction을 RGB 공간에서 적용하였다.
  • Domain generalization을 위해서 Maximum Mean Discrepancy (MMD)를 적용하여 여러 도메인간의 feature의 분포를 최소화하도록 하엿다.
    • MMD는 모든 fully connected layer에 대해 적용하였다.

Add a Comment Trackback