Decoupled Representation Learning for Face Presentation Attack Detection under Smart Glass Capture

📄 arXiv: 2610.27800v1 📥 PDF

作者: Raghavendra Ramachandra, Narayan Vetrekar, Neha Naik, Rajendra Gad

分类: cs.CV

发布日期: 2026-10-20

备注: Accepted in IJCB 2026

💡 一句话要点

提出SmaGla-FPAD以解决智能眼镜捕获下的人脸伪造攻击检测问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 人脸识别 伪造攻击检测 智能眼镜 解耦表示学习 深度学习 计算机视觉

📋 核心要点

  1. 现有的人脸伪造攻击检测方法在智能眼镜捕获下面临自我运动和环境变化等挑战，导致检测性能下降。
  2. 本文提出的DeCoupPAD-FAS++框架通过解耦伪造证据与捕获变异，利用多种技术手段提升检测效果。
  3. 实验结果显示，该方法在SmaGla-FPAD数据库上实现了最佳的攻击拒绝率与真实样本接受率的平衡，验证了其有效性。

📝 摘要（中文）

人脸伪造攻击检测通常在固定摄像头或手持设备下进行研究，而智能眼镜捕获则引入了更具挑战性的环境，包括自我运动、视角变化、背景杂乱、距离变化和光照不均。为了解决这一挑战，本文提出了基于智能眼镜的人脸伪造攻击数据库SmaGla-FPAD，该数据库使用Ray-Ban Meta Wayfarer智能眼镜在室内、室外和车内环境中采集，包含297,000张样本图像，涵盖真实样本和硅胶面具攻击。我们进一步提出了DeCoupPAD-FAS++，一个解耦表示学习框架，通过互补的攻击和风格分支、伪域监督、对抗抑制和提示引导的语义对齐，将伪造相关证据与捕获变异分离。实验结果表明，该方法在域内和跨场景评估中实现了攻击拒绝与真实样本接受之间的最佳平衡。

🔬 方法详解

问题定义：本文旨在解决在智能眼镜捕获环境下的人脸伪造攻击检测问题。现有方法在面对自我运动、视角变化和光照不均等因素时，检测性能显著下降，难以满足实际应用需求。

核心思路：论文提出的DeCoupPAD-FAS++框架通过解耦伪造相关证据与捕获变异，利用互补的攻击和风格分支来增强模型的鲁棒性，旨在提高检测准确性。

技术框架：该框架主要包括攻击分支和风格分支两个模块，结合伪域监督和对抗抑制技术，进行语义对齐，确保模型能够有效区分真实样本与伪造样本。

关键创新：最重要的创新在于通过解耦表示学习，将伪造证据与捕获变异分离，显著提高了模型在复杂环境下的检测能力。这一方法与传统的端到端学习方法有本质区别。

关键设计：在设计中，采用了多种损失函数来优化伪域监督和对抗抑制效果，网络结构上则引入了提示引导的语义对齐机制，以增强模型的学习能力。具体参数设置和网络结构细节在实验部分进行了详细描述。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果表明，DeCoupPAD-FAS++在SmaGla-FPAD数据库上实现了攻击拒绝率与真实样本接受率的最佳平衡，具体性能数据在域内和跨场景评估中均优于现有基线方法，验证了其有效性和实用性。

🎯 应用场景

该研究的潜在应用领域包括金融安全、移动支付、社交媒体和身份验证等场景，能够有效提升人脸识别系统的安全性和可靠性。未来，该技术有望在智能设备和安全监控中得到广泛应用，推动人脸识别技术的进一步发展。

📄 摘要（原文）

Face presentation attack detection is typically studied under fixed camera or handheld acquisition, whereas smart glass capture introduces a more challenging setting with ego motion, changing viewpoint, background clutter, distance variation, and less controlled illumination. To address this challenge, we present \emph{SmaGla-FPAD}, a smart glass based face presentation attack database acquired using Ray-Ban Meta Wayfarer Smart Glasses across indoor, outdoor, and in-car settings. The database contains 297,000 sample images with both bona fide and silicone mask based attacks. We further propose \emph{DeCoupPAD-FAS++}, a decoupled representation learning framework that separates spoof related evidence from nuisance sensitive capture variation through complementary attack and style branches, pseudo-domain supervision, adversarial suppression, and prompt guided semantic alignment. Experiments on SmaGla-FPAD show that the proposed method achieves the best balance between attack rejection and bona fide acceptance in both in domain and cross scenario evaluation. Ablation results further confirm the contribution of disentanglement, pseudo-domain supervision, and prompt based regularisation under smart glass capture.