基于 Wasserstein ALI 与改进 MIPGAN 的最坏情况变形脸生成
计算机视觉与模式识别
2023-10-16 v2
摘要
变形脸是两张独立人脸图像的组合，包含两个不同人的身份信息。当用于身份证件时，两个人都能通过生物特征人脸识别(FR)系统被认证。变形脸可通过基于地标的方法或基于深度学习的方法（如生成对抗网络(GAN)）生成。在最近一篇论文中，我们引入了变形攻击对 FR 系统挑战难度的一种“最坏情况”上界。变形脸越接近该上界，对 FR 构成的挑战越大。我们曾提出一种方法，能为已知 FR 系统（白盒）生成逼近该上界的变形脸，但对未知（黑盒）FR 系统则不行。本文中，我们提出一种即便 FR 系统未知也能逼近最坏情况变形脸的生成方法。一项关键贡献是我们在训练过程中即纳入生成困难变形脸的目标。我们的方法基于对抗学习推断(ALI)，并运用了带梯度惩罚的 Wasserstein GAN 中的概念——后者被引入以稳定 GAN 训练。我们引入这些概念以实现类似的训练稳定性提升，并将所得方法称为 Wasserstein ALI (WALI)。我们使用专门设计用于改善人脸图像身份信息操控能力的损失函数对 WALI 进行微调，并展示其如何生成比基于地标或 GAN 的变形脸对 FR 系统更具挑战性的变形脸。我们还展示了我们的发现如何用于改进现有的基于 StyleGAN 的变形脸生成器 MIPGAN。
引用
@article{arxiv.2310.08371,
title = {Worst-Case Morphs using Wasserstein ALI and Improved MIPGAN},
author = {Una M. Kelly and Meike Nauta and Lu Liu and Luuk J. Spreeuwers and Raymond N. J. Veldhuis},
journal= {arXiv preprint arXiv:2310.08371},
year = {2023}
}