البحث عن الشبكات التلافيفية ذات الفرق المركزي لمقاومة التزوير الوجهية

يلعب التصدي للتزوير الوجهية (FAS) دورًا حيويًا في أنظمة تمييز الوجه. تعتمد معظم الطرق المتطورة حاليًا في FAS على التلافيف المتراكبة والبنية الشبكية المصممة خصيصًا، وهي ضعيفة في تمثيل المعلومات الدقيقة والدقيقة جدًا، وغالبًا ما تفقد فعاليتها عند تغير البيئة (مثل التغيرات في الإضاءة)، كما أن هذه الطرق تفضل استخدام تسلسلات طويلة كمدخلات لاستخراج السمات الديناميكية، مما يجعلها صعبة التنفيذ في السياقات التي تتطلب استجابة سريعة. في هذا العمل، نقترح طريقة جديدة لـ FAS على مستوى الإطارات تعتمد على التلافيف التفاضلية المركزية (CDC)، والتي تتمكن من اكتشاف الأنماط الداخلية الدقيقة من خلال تجميع معلومات الشدة والانحدار معًا. تم بناء شبكة باستخدام CDC، تُسمى الشبكة التفاضلية المركزية (CDCN)، وهي قادرة على تقديم قدرة نمذجة أكثر مرونة مقارنةً بالشبكة المبنية باستخدام التلافيف القياسية. علاوةً على ذلك، وباستخدام فضاء بحث CDC المصمم خصيصًا، تم استخدام طريقة استكشاف الهيكل العصبي (NAS) لاكتشاف بنية شبكة أقوى (CDCN++)، والتي يمكن دمجها مع وحدة التجميع الانتباه متعددة المقاييس (MAFM) لتعزيز الأداء بشكل أكبر. أُجريت تجارب شاملة على ستة مجموعات بيانات معيارية، وأظهرت النتائج أن: 1) الطريقة المقترحة تحقق أداءً متفوقًا في الاختبارات داخل المجموعة (خصوصًا 0.2% ACER في بروتوكول-1 لمجموعة بيانات OULU-NPU)، و2) كما تُظهر أداءً جيدًا في الاختبارات عبر المجموعات (بشكل خاص 6.5% HTER من مجموعة بيانات CASIA-MFSD إلى مجموعة بيانات Replay-Attack). يمكن الوصول إلى الشيفرة المصدرية عبر الرابط: \href{https://github.com/ZitongYu/CDCN}{https://github.com/ZitongYu/CDCN}.