Nov, 2023

SynFacePAD 2023: 基于隐私感知合成训练数据的人脸展示攻击检测竞赛

PDF
TL;DR2023 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。
发现论文，激发创造
  • 基于隐私友好合成数据的面部展示攻击检测 ——SynthASpoof

    本文介绍了一种基于合成数据的面部防伪数据集，名为 SynthASpoof，简要阐述了 MixStyle 的工作原理以及使用合成数据作为有限认证训练数据的补充，并给出了该数据集、实现和预训练权重的公开链接。

    Mar, 2023

  • 通用表现攻击检测：一种面部防欺诈评估方案

    本文介绍了一种名为 face-GPAD 的新的开源评估框架，旨在研究人脸 PAD 方法的泛化能力，同时提出了一个聚合和分类的大型数据集，以解决公共数据集之间的不兼容性问题，并提出了两个新的评估协议，旨在测量人脸分辨率变化引入的影响和评估对抗性操作条件的影响。

    Apr, 2019

  • 一种紧凑型深度学习模型用于人脸欺骗检测

    本文采用宽与深特征融合的神经网络结构来解决假攻击检测问题，并在多个数据集上进行了实验验证。

    Jan, 2021

  • 3D 高保真面罩攻击检测挑战赛

    本文提出了一种大规模的、高保真度面具数据集 HiFiMask，设计了协议 3 来评估算法在开放场景下的识别和推广能力，并组织了一场 3D 高保真度面具面部攻击检测挑战赛，最终提供了排名算法的概述分析以及面具攻击检测的相关研究思路。

    Aug, 2021

  • WACV 2024 FRCSyn 挑战：合成数据时代的人脸识别挑战

    本论文概述了 2024 年 WACV 组织的 “合成数据时代的人脸识别挑战”（FRCSyn）的概况，该国际挑战旨在探索使用合成数据来解决人脸识别技术中的现有限制，包括数据隐私问题、人口偏见、未知场景的泛化能力和具有挑战性场景中的性能限制。FRCSyn 挑战的结果以及提出的基准显著地促进了合成数据在改进人脸识别技术中的应用。

    Nov, 2023

  • Flickr-PAD: 新面孔高分辨率演示攻击检测数据库

    本研究提出了一种基于 Flickr 图像的新型 PAD 数据库：Flickr-PAD，利用该数据库进行训练和评估可以得到比现有算法更好的结果，该方法使用了 MobileNet-V3 和 EfficientNet-B0 模型， BPCER10 为 7.08％，BPCER20 为 11.15％。

    Apr, 2023

  • 监视人脸演示攻击检测挑战赛

    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

  • 基于内在图像属性和深度学习的防止面部欺诈的检测器

    本论文提出了一种基于深度神经网络和元学习分类器相结合的方法，该方法利用图像固有属性探测面部 “假冒攻击”，在 PAD 领域最具挑战性的跨数据集协议上取得了超越最新成果的显著结果。

    Feb, 2019

  • 基于多通道卷积神经网络的生物特征面部呈现攻击检测

    本研究提出了一种基于多通道卷积神经网络的面部攻击检测方法，以解决面部生物识别在非监督应用中易受攻击的问题，并引入了新的宽多通道演示攻击数据库用于面部演示攻击研究。研究结果表明该方法优于现有特征提取方法，能够在 WMCA 数据库上实现 0.3% 的 ACER 性能，并已开放该数据库和相关软件供公共使用。

    Sep, 2019

  • SFace：使用合成数据进行隐私友好型高精准度人脸识别

    本研究提出并研究了使用一种隐私友好的合成人脸数据集，通过条件生成对抗网络生成类标记的人脸图像。在此基础上，提出了三种不同的学习策略，对这种隐私友好的合成数据集进行人脸识别的训练，并在多个人脸识别基准测试中证明了其高潜力。

    Jun, 2022