[論文レビュー] Adaptive Normalized Representation Learning for Generalizable Face Anti-Spoofing

Shubao Liu, Ke-Yue Zhang+6 more|arXiv (Cornell University)|Aug 5, 2021

Biometric Identification and Security参考文献 43被引用数 8

ひとこと要約

本稿では、サンプル固有の融合重みを介してバッチ正規化（BN）とインスタンス正規化（IN）を動的に統合する、汎用的な顔のスプーフィング防止のための新規フレームワークである適応的正規化表現学習（ANRL）を提案する。適応的特徴正規化モジュール（AFNM）と二重補正制約（ドメイン間適合損失およびクラス間分離損失）を導入することで、ドメインに依存しない、判別力のある表現を学習し、クロスデータセット一般化ベンチマークで最先端の性能を達成する。

ABSTRACT

With various face presentation attacks arising under unseen scenarios, face anti-spoofing (FAS) based on domain generalization (DG) has drawn growing attention due to its robustness. Most existing methods utilize DG frameworks to align the features to seek a compact and generalized feature space. However, little attention has been paid to the feature extraction process for the FAS task, especially the influence of normalization, which also has a great impact on the generalization of the learned representation. To address this issue, we propose a novel perspective of face anti-spoofing that focuses on the normalization selection in the feature extraction process. Concretely, an Adaptive Normalized Representation Learning (ANRL) framework is devised, which adaptively selects feature normalization methods according to the inputs, aiming to learn domain-agnostic and discriminative representation. Moreover, to facilitate the representation learning, Dual Calibration Constraints are designed, including Inter-Domain Compatible loss and Inter-Class Separable loss, which provide a better optimization direction for generalizable representation. Extensive experiments and visualizations are presented to demonstrate the effectiveness of our method against the SOTA competitors.

研究の動機と目的

• 未観測のドメインシフト下で、既存の顔のスプーフィング防止手法の一般化性能が限定的であることを解決すること。
• 特徴抽出における固定正規化（BNまたはIN）がドメイン固有のバイアスによってドメイン一般化性能を阻害することを特定すること。
• 入力サンプルごとに正規化タイプを適応的に選択する新規なアプローチを提案し、多様な攻撃シナリオにわたる耐性を向上させること。
• 二重制約を用いてBNとINの適応的統合をガイドするメタラーニングフレームワークを設計すること。
• ドメインに依存しない、判別力のある特徴を学習することで、クロスデータセット顔スプーフィング防止で最先端の性能を達成すること。

提案手法

• 各入力サンプルごとに、BNとINの特徴を動的に統合するサンプル固有の融合重み（α）を学習する、適応的特徴正規化モジュール（AFNM）を導入する。
• 特徴表現を重み付き和として定式化する：F = α × F_BN + (1 - α) × F_IN、ここでαは各入力サンプルごとに軽量なネットワークによって予測される。
• 異なるソースドメイン間の特徴分布を一致させるために、ドメイン間適合損失を提案する。これによりドメインシフトの影響を低減する。
• 本質的にリアルとフェイクの顔サンプルの間隔を最大化することで判別性を向上させるために、クラス間分離損失を導入する。
• AFNMをメタラーニングで訓練し、二重制約がαの最適化をガイドすることで、未観測ドメインにおける一般化性能を向上させる。
• AFNMを各残差ブロックの後に挿入するResNetベースのバックボーンを用い、サンプルごとの正規化適応を可能にする。

実験結果

リサーチクエスチョン

• RQ1 BNとINの適応的統合は、未観測のドメインシフト下における顔スプーフィング防止の一般化性能を向上させ得るか？
• RQ2 ドメインシフトが変動する多様なテストドメインにおいて、正規化の選択（BN対IN）が性能に与える影響は何か？
• RQ3 サンプルごとの適応的正規化選択は、固定正規化または静的統合戦略を上回る性能を達成できるか？
• RQ4 二重制約（ドメイン間適合損失およびクラス間分離損失）は、学習された表現の一般化性能をどの程度向上させるか？
• RQ5 バランス要因αは有意義にサンプルごとに変動するか？また、ドメインやスプーフィングタイプの特性と相関するか？

主な発見

• ANRLは、I&C&M to O、O&C&M to I、O&C&I to Mを含む、複数のクロスデータセット顔スプーフィング防止ベンチマークで最先端の性能を達成した。
• BNとINの適応的統合を用いたモデルは、BNまたはINのみを用いたモデルを上回り、サンプル固有の正規化選択の優位性を示した。
• 可視化結果から、AFNMにおける高重みチャンネルがスプーフィングの兆候（例：テクスチャ、エッジ）に注目している一方、低重みチャンネルは非転送可能な背景や照明アーチファクトに注目していることがわかった。
• バランス要因αは強くサンプル依存的である：浅い層ではドメイン耐性を高めるためにINが優先され（α ≈ 0）、深い層では分類性能を向上させるためにBNが優先される（α ≈ 1）。
• ドメイン分散が大きいタスク（例：IdiapとMSUの組み合わせ）では、ANRLが自動的にINの使用を増加させ、ドメイン不一致への適応的反応を確認した。
• t-SNE可視化により、ANRLがドメイン間でよりコンパクトで分離性の高い特徴分布を学習していることが確認された。特にソースドメインが顕著に異なる場合に顕著であった。