StableMorph：基于 Stable Diffusion 的高质量人脸形变生成
计算机视觉与模式识别
2025-11-12 v1 人工智能
摘要
人脸形变攻击威胁生物识别身份系统的完整性，通过使多个个体共享单个身份。为了开发和评估有效的形变攻击检测 (MAD) 系统，我们需要获得反映现实情景下所面临挑战的高质量、逼真的 morphed 图像。然而，现有形变生成方法常产生模糊、包含伪影或构建不当的图像，容易被检测，且不代表最危险的攻击。本文介绍 StableMorph，一种新方法，通过现代扩散基于图像的合成生成高度逼真、无伪影的人脸形变图像。与先前方法不同，StableMorph 生成完整头部图像，细节清晰，避免常见视觉缺陷，并提供对视觉属性的卓越控制。通过广泛的评估，我们表明 StableMorph 生成的图像不仅与真实人脸图像相当或更好，还能强力欺骗人脸识别系统，为现有 MAD 解决方案带来更大挑战，为研究和操作测试设定了新的形变质量标准。StableMorph 通过创建更真实、更有效的攻击来提高生物识别安全性的评估，并支持开发更稳健的检测系统。
引用
@article{arxiv.2511.08090,
title = {StableMorph: High-Quality Face Morph Generation with Stable Diffusion},
author = {Wassim Kabbani and Kiran Raja and Raghavendra Ramachandra and Christoph Busch},
journal= {arXiv preprint arXiv:2511.08090},
year = {2025}
}