SAFAS

Überdenken der Domänengeneralisierung für Face Anti-Spoofing: Trennbarkeit und Ausrichtung

Dies ist der Quellcode für den CVPR 2023-Artikel „Rethinking Domain Generalization for Face Anti-spoofing: Separability and Alignment“ von Yiyou Sun, Yaojie Liu, Xiaoming Liu, Yixuan Li und Wen-Sheng Chu.

Vorrunden

Es wurde in der Ubuntu Linux 20.04- und Python 3.8-Umgebung getestet und erfordert die Installation einiger Pakete:

• PyTorch
• scipy
• Numpy
• sklearn
• MTCNN
• ylib (Manuell herunterladen und in den aktuellen Ordner kopieren)

Verwendung

1. Vorbereitung des Datensatzes

Laden Sie die Datensätze OULU-NPU, CASIA-FASD, Idiap Replay-Attack und MSU-MFSD herunter. Legen Sie Datensätze im Verzeichnis datasets/FAS ab.

2. Vorverarbeitung

Führen Sie ./preposess.py aus.

3. Demo

Führen Sie ./train.py --protocol [O_C_I_to_M/O_M_I_to_C/O_C_M_to_I/I_C_M_to_O] aus.

Zitat

Wenn Sie unsere Codebasis verwenden, zitieren Sie bitte unsere Arbeit:

 @article{sun2023safas,
  title={Rethinking Domain Generalization for Face Anti-spoofing:
Separability and Alignment},
  author={Sun, Yiyou and Liu, Yaojie and Liu, Xiaoming and Li, Yixuan and Chu Wen-Sheng},
  journal={CVPR},
  year={2023}
}