理解伪造人脸
计算机视觉与模式识别
2018-09-25 v1 人工智能
摘要
人脸识别研究是计算机视觉（CV）中最活跃的主题之一，深度神经网络（DNN）正在缩小人脸验证算法中人类水平与计算机驱动性能水平之间的差距。然而，尽管基于准确性的预期下性能差距似乎在缩小，一个有趣的问题出现了；具体而言，“人工智能对人脸的理解真的接近人类了吗？”在本研究中，为验证脑驱动的概念，我们使用内部创建的伪造人脸数据库进行基于图像的检测、分类与生成。该数据库有两种配置：（i）使用 Viola Jones（VJ）方法和卷积神经网络（CNN）产生的假阳性人脸检测；（ii）具有类似人脸的基本特征但完全人工的拟像。结果表明，存在一定启示性知识，表明近期基于视觉的人脸识别算法能力与人类水平性能之间仍存在差距。不过从积极的一面来看，我们获得了将推动人脸理解模型进展的知识。
引用
@article{arxiv.1809.08391,
title = {Understanding Fake Faces},
author = {Ryota Natsume and Kazuki Inoue and Yoshihiro Fukuhara and Shintaro Yamamoto and Shigeo Morishima and Hirokatsu Kataoka},
journal= {arXiv preprint arXiv:1809.08391},
year = {2018}
}
备注
11 pages, 3 figures, ECCV 2018 Workshop on Brain-Driven Computer Vision (BDCV)