Feb, 2021

CelebA-Spoof 2020 人脸反欺诈挑战：方法与结果

PDF
TL;DR本论文介绍了 CelebA-Spoof 数据集，针对人脸反欺诈的研究进行了方法和结果报告，并分析了竞赛的排名解决方案，提出了未来的研究方向。
facial interaction systemsface anti-spoofingceleba-spoof datasetmodel evaluationfuture work
发现论文，激发创造
  • CelebA-Spoof：带有丰富注释的大规模人脸反欺诈数据集

    本文介绍了防止虚假面孔识别的一种重要领域，即面部防欺骗。针对数量和多样性两大问题，提出了一个大规模的 CelebA-Spoof 数据集，并使用多任务框架 AENet 对现有方法进行了测试，揭示了一些有价值的观察结果。

    Jul, 2020

  • 跨族群人脸反欺诈识别挑战：综述

    该研究主要探讨基于深度神经网络的人脸反欺诈技术在实践中存在的族裔偏差问题，并介绍了 CASIA-SURF CeFA 跨种族人脸反欺诈数据集与 Chalearn Face Anti-spoofing Attack Detection Challenge 竞赛等相关内容及其结果

    Apr, 2020

  • 2023 年野外人脸反欺诈挑战：基准和结果

    介绍野外人脸防炸数据集（WFAS），该数据集包含 853,729 张交错图像，涵盖了 321,751 个欺诈主题和 148,169 个真实主题，集成了从互联网获得欺诈数据，并在 CVPR2023 工作坊上主持了野生人脸反欺诈挑战。

    Apr, 2023

  • 基于半监督学习的人脸反欺诈通用方法

    本文提出了一种利用无监督预训练改进性能的方法，介绍了 Entry Antispoofing 数据集来进行监督微调，并提出了一种多类别辅助分类层，以增强检测欺骗企图的二进制分类任务，实现了在多个数据集上的最新结果。

    Jun, 2022

  • 用于大规模多模态面部防欺诈的数据集和基准

    CASIA-SURF 是迄今最大的人脸反欺诈公共数据集，提出了一种基于特征重新加权的多模态融合方法，并在数据集上进行了广泛的实验，验证了其重要性和通用性。

    Dec, 2018

  • 2020 年 DeeperForensics 面部欺诈检测挑战赛：方法和结果

    本文报告了 DeeperForensics Challenge 2020 关于真实世界人脸伪造检测的方法和结果，使用 DeeperForensics-1.0 数据集进行模型评估，总共有 115 名参赛者和 25 个团队进行了有效提交，文中将对获胜解决方案进行总结，并对潜在的研究方向进行讨论。

    Feb, 2021

  • CASIA-SURF：用于面部防欺骗的大规模多模态基准

    本文介绍了 CASIA-SURF 数据集，该数据集是当前公开的最大规模的面部反欺诈数据集，并提出了一个新的基准测试方法 - 多模态多尺度融合，并在该数据集上进行了广泛的实验以证明其重要性和概括能力。

    Aug, 2019

  • 设计鲁棒远程人脸反欺诈系统原则

    面部反欺骗、数字攻击、漏洞、威胁与鲁棒性是本研究的关键词。通过一系列实验，本文揭示了当前面部反欺骗检测技术的限制和其对新型数字攻击场景的失败。为了抵御这些新型攻击的漏洞，本文提出从模型准确性、鲁棒性到流程鲁棒性和平台鲁棒性的关键设计原则。尤其是，我们建议使用主动传感器来实现预防性面部反欺骗系统，以显著降低未知攻击向量的风险并提高用户体验。

    Jun, 2024

  • 跨域人脸反欺诈的深度转移

    本文提出了一种使用 CNN 框架利用目标领域的稀疏标记数据来改善人脸防欺骗模型跨数据集测试性能的方法，实验结果表明仅使用少量标记样本即可显著提高模型的泛化能力。

    Jan, 2019

  • 监督对比学习用于快照光谱成像人脸反欺诈

    本研究提出了一种先进的重新平衡对比学习策略，旨在加强人脸识别系统中的人脸反欺骗能力，重点应对印刷照片和高度逼真的硅胶或乳胶面具带来的挑战。通过利用 HySpeFAS 数据集，该数据集利用快照光谱成像技术提供高光谱图像，我们的方法将类别级别的对比学习与数据重采样和创新的面向真实脸部的重新加权技术相结合。该方法有效地抑制了数据集不平衡和减少与身份相关的偏差。值得注意的是，我们的策略在 HySpeFAS 数据集上取得了前所未有的 0.0000％的平均分类错误率（ACER），在 CVPR 2024 年 Chalearn 快照光谱成像人脸反欺骗挑战赛中名列第一。

    May, 2024