CelebA-Spoof：大规模且标注丰富的人脸防欺骗数据集
计算机视觉与模式识别
2020-08-04 v3
摘要
随着人脸交互系统的广泛部署，这些系统的安全性与可靠性成为关键问题，吸引了大量研究工作。其中，人脸防欺骗（face anti-spoofing）作为一个重要领域，其目标是识别所呈现的人脸是活体还是欺骗攻击。尽管已取得可喜进展，现有工作在应对复杂欺骗攻击和泛化至真实场景方面仍存在困难。主要原因在于当前人脸防欺骗数据集在数量与多样性上均存在局限。为克服这些障碍，我们贡献了一个大规模人脸防欺骗数据集 CelebA-Spoof，其具有以下吸引人的特性：1) 数量：CelebA-Spoof 包含 10,177 位受试者的 625,537 张图片，规模显著大于现有数据集。2) 多样性：欺骗图像采集自 8 种场景（2 种环境 × 4 种光照条件），使用超过 10 种传感器。3) 标注丰富性：CelebA-Spoof 包含 10 种欺骗类型标注，以及继承自原始 CelebA 数据集的 40 种属性标注。借助 CelebA-Spoof，我们在统一的多任务框架——辅助信息嵌入网络（AENet）中仔细评估了现有方法，并揭示了若干有价值的发现。
引用
@article{arxiv.2007.12342,
title = {CelebA-Spoof: Large-Scale Face Anti-Spoofing Dataset with Rich Annotations},
author = {Yuanhan Zhang and Zhenfei Yin and Yidong Li and Guojun Yin and Junjie Yan and Jing Shao and Ziwei Liu},
journal= {arXiv preprint arXiv:2007.12342},
year = {2020}
}
备注
To appear in ECCV 2020. Dataset is available at: https://github.com/Davidzhangyuanhan/CelebA-Spoof