davidcastagnetoa silent_face_anti_spoofing
Silent-Face-Anti-Spoofing (NUAA) es el modelo principal de liveness pasivo. Analiza un único frame para determinar si el rostro es real o un ataque (foto impresa, pantalla, máscara).
When to use
Ejecutar sobre cada frame de selfie antes del challenge activo. Es la primera línea de defensa contra spoofing.
Instructions
- Clonar el repositorio:
git clone https://github.com/minivision-ai/Silent-Face-Anti-Spoofing.git - Instalar dependencias:
pip install torch torchvision opencv-python. - Descargar los pesos preentrenados del repositorio oficial (modelos 2.7_80x80 y 4_0_0_80x80).
- Cargar ambos modelos en memoria al arrancar el worker (model warm-up).
- Preprocesar el frame: recortar región facial, redimensionar a 80x80, normalizar.
- Ejecutar inferencia en ambos modelos y promediar scores.
- Umbral de liveness:
score > 0.6= real;score ≤ 0.6= spoof. - Exportar a ONNX para despliegue en Triton:
torch.onnx.export(model, dummy_input, 'silent_fas.onnx').
Notes
- Repositorio oficial: https://github.com/minivision-ai/Silent-Face-Anti-Spoofing
- Combinar con MiniFASNet para mayor robustez.
- Fine-tuning recomendado con datos propios del dominio para reducir FRR.