SynMorph：生成包含配对样本的合成人脸融合数据集
计算机视觉与模式识别
2025-03-25 v2 人工智能
机器学习
摘要
人脸融合攻击检测（MAD）算法已成为克服人脸识别系统脆弱性的关键。为解决因隐私担忧和限制而导致的大规模公开数据集缺乏的问题，在本工作中，我们提出了一种生成合成人脸融合数据集的新方法，包含2450个身份和超过10万个融合样本。所提合成人脸融合数据集以其高质量样本、不同类型的融合算法，以及对单模态和差分融合攻击检测算法的泛化能力而独具特色。在实验中，我们应用人脸图像质量评估和脆弱性分析，从生物特征样本质量和融合攻击对人脸识别系统的攻击潜力角度评估所提合成人脸融合数据集。结果与现有的SOTA合成数据集和具有代表性的非合成数据集进行了基准比较，表明相比SOTA有所提升。此外，我们设计了不同的协议，并研究了使用所提合成数据集训练融合攻击检测算法的适用性。
引用
@article{arxiv.2409.05595,
title = {SynMorph: Generating Synthetic Face Morphing Dataset with Mated Samples},
author = {Haoyu Zhang and Raghavendra Ramachandra and Kiran Raja and Christoph Busch},
journal= {arXiv preprint arXiv:2409.05595},
year = {2025}
}
备注
This preprint has been further published in IEEE Access. Print ISSN: 2169-3536. Online ISSN: 2169-3536. Digital Object Identifier: 10.1109/ACCESS.2025.3548957