silent-face-anti-spoofing

name: silent_face_anti_spoofing description: Modelo de liveness pasivo NUAA para detectar ataques de impresión, pantalla y spoofing sin interacción del usuario type: ML Model priority: Esencial mode: Self-hosted

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

1. Clonar el repositorio: git clone https://github.com/minivision-ai/Silent-Face-Anti-Spoofing.git
2. Instalar dependencias: pip install torch torchvision opencv-python.
3. Descargar los pesos preentrenados del repositorio oficial (modelos 2.7_80x80 y 4_0_0_80x80).
4. Cargar ambos modelos en memoria al arrancar el worker (model warm-up).
5. Preprocesar el frame: recortar región facial, redimensionar a 80x80, normalizar.
6. Ejecutar inferencia en ambos modelos y promediar scores.
7. Umbral de liveness: score > 0.6 = real; score ≤ 0.6 = spoof.
8. 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.