SynthASpoof：基于隐私友好合成数据开发人脸呈现攻击检测
计算机视觉与模式识别
2023-04-12 v2
摘要
近来，由于多个面呈现攻击检测（PAD）数据集的可用，旨在保护人脸识别系统免受呈现攻击的面 PAD 取得显著进展。然而，所有可用数据集均基于隐私与法律敏感的真实性生物特征数据且受试者数量有限。为应对这些法律与技术挑战，本工作提出首个基于合成数据的面 PAD 数据集，命名为 SynthASpoof，作为大规模 PAD 开发数据集。SynthASpoof 中的真实样本为合成生成，攻击样本通过在真实攻击场景中向采集系统呈现此类合成数据收集。实验结果表明使用 SynthASpoof 开发面 PAD 的可行性。此外，我们通过将域泛化工具 MixStyle 引入 PAD 方案提升了该方案性能。另外，我们展示了使用合成数据作为补充以丰富有限真实训练数据多样性并持续提升 PAD 性能的可行性。包含 25,000 个真实样本与 78,800 个攻击样本的 SynthASpoof 数据集、实现代码及预训练权重已公开提供。
引用
@article{arxiv.2303.02660,
title = {SynthASpoof: Developing Face Presentation Attack Detection Based on Privacy-friendly Synthetic Data},
author = {Meiling Fang and Marco Huber and Naser Damer},
journal= {arXiv preprint arXiv:2303.02660},
year = {2023}
}
备注
Accepted at CVPR workshop 2023