ローエンドマシンで動作する軽量な顔アンチスプーフィングモデルをトレーニングしました

この記事では、低リソースデバイス向けに最適化された軽量な顔アンチスプーフィング（FAS）モデルの開発について詳しく説明しています。著者は、フーリエ変換損失を使用したテクスチャ分析に焦点を当てることで、一般的な認識モデルのスプーフィング攻撃に対する脆弱性にうまく対処しました。モデルのパフォーマンスは印象的で、INT8量子化により小さなサイズ（600KB）を維持しながら、CelebAベンチマークで高い精度を達成しています。GPUアクセラレーションなしで古いCPUへのデプロイが成功したことは、モデルの効率を強調しています。このプロジェクトは、特にリソースが制約された環境において、特定のタスクに対する特殊なモデルの価値を示しています。プロジェクトのオープンソースの性質は、さらなる開発とアクセシビリティを促進します。