跨种族人脸反欺骗识别挑战赛：综述

人脸反欺骗对于防止人脸识别系统遭受安全漏洞至关重要。得益于深度神经网络的优异性能和大型数据集的可用性，生物识别社区最近取得了令人瞩目的进展。尽管已证实种族偏见会严重影响人脸识别系统的性能，但它在人脸反欺骗中仍是一个开放的研究问题。最近，一个多种族人脸反欺骗数据集 CASIA-SURF CeFA 被发布，旨在衡量种族偏见。它是迄今为止最大的跨种族人脸反欺骗数据集，涵盖 $3$ 种种族、$3$ 种模态、$1,607$ 个受试者、2D 及 3D 攻击类型，并且是近期发布的人脸反欺骗数据集中首个包含显式种族标签的数据集。我们围绕这一新资源组织了 Chalearn 人脸反欺骗攻击检测挑战赛，包含单模态（如 RGB）和多模态（如 RGB、Depth、Infrared (IR)）赛道，以促进旨在缓解种族偏见的研究。两个赛道在开发阶段共吸引了 $340$ 支队伍，最终分别有 11 支和 8 支队伍在单模态和多模态人脸反欺骗识别挑战赛中提交了代码。所有结果均由组织团队验证并重新运行，用于最终排名。本文概述了该挑战赛，包括其设计、评估协议和结果总结。我们分析了排名最高的解决方案，并得出了从竞赛中得出的结论。此外，我们还概述了未来的工作方向。