本文介绍了通过收集大规模 SuHiFiMask 数据集并举行面部表现攻击检测挑战赛来填补 FAS 领域中的空白，从而探讨长距离场景中的反欺骗技术，挑战吸引了 180 支队伍参加开发及最终比赛，本文也提供了排名最高的算法及其在攻击检测领域中的研究思路。

Apr, 2023

本研究介绍了一个大规模的 Hi-FiMask 数据集及其 Contrastive Context-aware 学习框架，该框架用于对面部 Presentation Attack Detection（PAD）进行监督式训练，并取得了良好效果。

Apr, 2021

本文提出了一种基于 SuHiFiMask 数据集的 CQIL 网络，用于解决监控安全场景下面临的照片模拟攻击干扰和图像质量降低等问题。该方法通过图像质量变量模块（IQV）、对比学习策略和独立于图像质量的 Separate Quality Network（SQN）等方面来提高计算机视觉中的人脸反欺骗技术的准确性和稳定性。

Jan, 2023

本研究提出了一种基于内部图像分析的检测方法来区分真实人脸和 3D 面具，该方法将面部图像进行内部图像分解处理以计算其反射图像，然后从三个正交平面中提取强度分布直方图来表示反射图像之间的强度差异，并使用一维卷积网络进一步捕捉描述不同材料或表面对光照变化反应不同的信息。实验结果表明，本方法在检测性能上优于其他现有方法，并在 3DMAD 数据库上显示出其有效性。

Mar, 2019

本文介绍一种全新的超现实 3D 面部攻击数据库，WFFD，用于模拟真实特征或材料的 3D 类型攻击，作者研究了三种流行的面部识别系统的易受攻击性，并评估了几种面部展示攻击检测方法以展示这个超丰富面部欺骗数据库的攻击能力。

Jun, 2019

面部防伪（FAS）是用于保护面部识别系统（FR）的关键。在实际场景中，FR 系统面临着物理和数字攻击。然而，现有算法通常只针对一种类型的攻击，这在 FR 系统面临混合物理数字威胁的实际情况下存在重要局限性。为促进统一攻击检测（UAD）算法的研究，我们收集了一个大规模 UniAttackData 数据集。UniAttackData 是最大的面向统一攻击检测的公共数据集，共有 28,706 个视频，每个唯一身份包含所有先进的攻击类型。基于这个数据集，我们组织了统一物理数字面部攻击检测挑战赛，以促进统一攻击检测领域的研究。在开发阶段，吸引了 136 个团队参与，最终有 13 个团队晋级到决赛。最终排名使用了组织团队验证的结果。本文全面回顾了该挑战赛，详细介绍了数据集介绍、协议定义、评估标准以及已发表结果的总结。最后，我们重点分析了表现最好的算法，并提供了受这次比赛启发的统一物理数字攻击检测的潜在方向。

Apr, 2024

2023 年国际联合生物识别学术会议（IJCB 2023）举办的基于隐私感知合成训练数据的人脸呈现攻击检测竞赛（SynFacePAD 2023）的论文总结，共有 8 个来自学术界和工业界的参赛队伍提交了有效解决方案，竞赛旨在鼓励和吸引以隐私、法律和伦理问题为动机的以合成数据为基础的人脸呈现攻击检测解决方案，参赛选手使用的训练数据仅限于主办方提供的合成数据，提交的解决方案提出了创新和新颖的方法，在研究基准测试中表现优于考虑的基准。

Nov, 2023

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

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

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