面向深度学习可解释人脸防欺骗的欺骗痕迹发现
计算机视觉与模式识别
2025-09-08 v4 人工智能
摘要
随着人脸识别在日常生活中的快速普及，人脸防欺骗变得日益重要，以避免恶意攻击。最近的人脸防欺骗模型可在多个数据集上实现高分类准确率，但这些模型只能告诉人们“这张人脸是假的”，而缺乏解释“为什么是假的”。这种系统削弱了可信度并导致用户困惑，因为它会无解释地拒绝用户请求。本文将可解释人工智能（XAI）融入人脸防欺骗中，提出一种新问题，即可解释人脸防欺骗（X-FAS），以使人脸防欺骗模型能够提供解释。我们提出了 SPTD（Spoof Trace Discovery，欺骗痕迹发现）方法，能够发现欺骗概念并在发现的概念基础上提供可靠解释。为评估 X-FAS 方法的质量，我们构建了一个由专家标注欺骗痕迹的 X-FAS 基准数据集。我们在人脸防欺骗数据集上分析 SPTD 的解释，并在提出的 X-FAS 基准上与以前的 XAI 方法进行定性和定量比较。实验结果表明，SPTD 能够生成可靠的解释。
引用
@article{arxiv.2412.17541,
title = {Spoof Trace Discovery for Deep Learning Based Explainable Face Anti-Spoofing},
author = {Haoyuan Zhang and Xiangyu Zhu and Li Gao and Jiawei Pan and Kai Pang and Guoying Zhao and Zhen Lei},
journal= {arXiv preprint arXiv:2412.17541},
year = {2025}
}
备注
Accepted by IJCB 2025. Keywords: explainable artificial intelligence, face anti-spoofing, explainable face anti-spoofing, interpretable