面向大规模多模态人脸防伪的数据集与基准

人脸防伪对于防止人脸识别系统遭到安全突破至关重要。近年来，人脸防伪基准数据集的可用推动了该领域的诸多进展。然而，现有人脸防伪基准的受试者数量（$\le\negmedspace170$）和模态数量（$\leq\negmedspace2$）有限，阻碍了学术界的进一步发展。为促进人脸防伪研究，我们引入了大规模多模态数据集 CASIA-SURF，就受试者和视觉模态而言，它是公开可用的最大人脸防伪数据集。具体而言，它包含 $1,000$ 名受试者及 $21,000$ 段视频，每个样本具有 $3$ 种模态（即 RGB、深度和红外）。我们还提供了度量集、评估协议以及训练/验证/测试子集，构建了人脸防伪的新基准。此外，我们提出了一种作为基线的新多模态融合方法，该方法执行特征重加权，以选择信息量更大的通道特征，同时抑制各模态中用处较小的特征。我们在所提数据集上进行了大量实验，以验证其重要性与泛化能力。数据集可在 https://sites.google.com/qq.com/chalearnfacespoofingattackdete 获取。