[论文解读] CelebA-Spoof Challenge 2020 on Face Anti-Spoofing: Methods and Results

Yuanhan Zhang, Zhenfei Yin+23 more|arXiv (Cornell University)|Feb 25, 2021

Biometric Identification and Security参考文献 14被引用 10

一句话总结

本论文介绍了CelebA-Spoof Challenge 2020，这是一场基于包含10,177名受试者共625,537张图像的大规模人脸反 spoofing竞赛。表现最佳的方法结合了CDC-DAN等新型网络架构、基于多尺度图像块的输入方式以及集成策略，在FPR=5×10⁻³时实现了100%的TPR，展示了在真实场景下伪造检测的最先进性能。

ABSTRACT

As facial interaction systems are prevalently deployed, security and reliability of these systems become a critical issue, with substantial research efforts devoted. Among them, face anti-spoofing emerges as an important area, whose objective is to identify whether a presented face is live or spoof. Recently, a large-scale face anti-spoofing dataset, CelebA-Spoof which comprised of 625,537 pictures of 10,177 subjects has been released. It is the largest face anti-spoofing dataset in terms of the numbers of the data and the subjects. This paper reports methods and results in the CelebA-Spoof Challenge 2020 on Face AntiSpoofing which employs the CelebA-Spoof dataset. The model evaluation is conducted online on the hidden test set. A total of 134 participants registered for the competition, and 19 teams made valid submissions. We will analyze the top ranked solutions and present some discussion on future work directions.

研究动机与目标

• 通过使用CelebA-Spoof数据集组织大规模竞赛，推动人脸反欺骗研究。
• 在约30,000张图像的隐藏测试集上评估模型，以确保泛化能力并防止过拟合。
• 识别适用于真实世界部署的伪造检测有效深度学习架构与训练策略。
• 探索数据增强、模型集成和注意力机制对抗欺骗性能的影响。
• 为未来反欺骗基准在数据集多样性、规模和真实性方面提供改进建议。

提出的方法

• 提出了一种多尺度图像块输入策略，将完整人脸图像划分为32×32至128×128的图像块，以聚焦于局部伪造线索。
• 融合CDCN（用于强度与梯度特征聚合）与DAN（通过自注意力机制捕捉空间与通道依赖关系），以增强特征判别能力。
• 应用混合样本数据增强技术，包括cutout、vh-mixup、mixed-concat、random square和random interval，以减少过拟合。
• 在训练过程中使用镜像而非缩放进行图像尺寸调整，以保持图像质量并提升性能。
• 采用模型集成策略，包括基于验证性能的加权平均，以降低预测方差并提升准确率。
• 利用CodaLab平台并配备AWS GPU访问权限进行在线评估，确保评估的公平性与可复现性。

实验结果

研究问题

• RQ1 多尺度图像块输入与注意力机制在人脸反欺骗检测中如何提升伪造检测性能？
• RQ2 混合样本数据增强对抗欺骗任务中的模型泛化能力有何影响？
• RQ3 结合多个模型的集成策略是否能显著提升低FPR阈值下的TPR？
• RQ4 与标准CNN相比，CDC-DAN等新型网络架构在检测伪造攻击方面效果如何？
• RQ5 当前数据集的主要局限性是什么？未来基准在规模与真实性方面应如何改进？

主要发现

• 排名第一的解决方案在FPR = 5×10⁻³时达到100% TPR，在FPR = 10⁻³时为100%，在FPR = 10⁻⁴时为99.991% TPR。
• 第三名解决方案采用多尺度图像块输入的CDC-DAN网络，在FPR = 5×10⁻³时实现100% TPR，在FPR = 10⁻³时为99.918% TPR。
• 数据增强，尤其是vh-mixup和cutout等混合样本方法，显著提升了模型泛化能力并减少了过拟合。
• 模型集成，特别是基于验证性能的加权平均策略，始终优于单个模型。
• 使用镜像而非缩放进行图像尺寸调整，提升了所有模型的性能，尤其在小尺寸输入下效果更明显。
• 优胜方案表明，通过基于图像块的输入方式将伪造特异性特征与全局人脸特征解耦，可显著增强检测鲁棒性。