CVPR 23Spoofing赛事圆满收官

赛事回顾

活体检测技术是人脸识别系统安全性的重要保障，用以抵御2D照片、3D面具等常见攻击手段。尽管已经取得了显著进步，但该技术在实际应用中仍然面临着巨大挑战，尤其是在单模态或者低算力情况下。其发展瓶颈在于长期以来数据集的稀缺性和同质化，导致了基于深度学习的相关算法发展受限。

为进一步推动活体检测技术的发展，CVPR 2023 Wild Face Anti-Spoofing活体检测挑战赛，推出大规模活体检测数据集WFAS，首次将活体检测拓展至野外（In The Wild）场景。

中科院、Insightface与魔点等权威科研机构联合举办的CVPR 2023 Wild Face Anti-Spoofing人脸活体检测挑战赛落下帷幕，本次赛事在大赛结果、数据集运用上出现多维度变化，可以预见这些变化将对人脸活体检测技术的未来发展产生重大影响。

赛事结果

CVPR 2023 WFAS汇聚了219个海内外学术界和工业界的专业团队，与往期赛事不同点在于最终由中国电信、美团、网易团队包揽前三，打破了国外团队在该领域多年霸榜的局面。

工业界团队高光

值得一提的是，前三名优胜者团队全部来自于工业界。在本次学术会议举办的竞赛中，工业界团队的参与度和亮眼表现充分说明了活体检测技术极高的落地价值和广阔的应用前景。

第5、6、9名参赛团队为非公开团队

WFAS数据集

本次赛事推出的WFAS数据集在规模、多样性和可拓展性三个方面取得了重要突破，该数据集对活体检测领域的科研意义堪比当年标志着人脸识别算法快速发展和工业应用转折点的微软MS1M数据集。

数据规模量变——以往大部分数据集的受试者数量都在2000以下，仅有一个达到1万级别，而WFAS将这个数量大幅度提升了40+倍，包含321751个攻击受试者和148169个真人受试者。

数据多样性质变——长期以来，无论是学术界还是工业界，都是在受控环境中使用重复且机械的方式来采集攻击样本，这种数据收集方法缺乏场景多样性，并且导致样本严重同质化。然而WFAS数据集的攻击数据是从互联网获得，涵盖广泛的场景和各种商业化传感器，这些样本包含了2D和3D两大类，17种细分的呈现形式，例如出现在图书或电视屏幕上的人脸，以及旅游景点的蜡像人脸等。

可拓展性强——WFAS创新的活体数据收集方式大幅度削减了人工、材料和时间成本，为将来超大规模活体检测数据集的出现铺平了道路。

数据集分类示意

技术前瞻

通过此次竞赛的交流，我们发现与AI新星ChatGPT技承同源的Vision Transformer技术在图像领域的优势再次得以展现，Vision Transformer俨然有取代CNN成为众多图像领域主流技术的势头，尤其是在已经形成充分数据积累的情况下，其表现出的能力上限明显优于CNN。目前基于Transformer技术的研究正成为学术界的一大流行方向，工业界以此为基础的优秀应用逐渐涌现。

基于Transformer的可解释性探索或许是未来活体检测技术的研究趋势。

魔点AI实验室专家 图记

/ 基于本次赛事出现的诸多变化表示

人脸活体检测技术一定会在不久的未来取得突破，改变当前的人脸识别产品对3D结构光、TOF等昂贵光学传感器的依赖，大幅度降低硬件投入成本。让人脸识别技术能够在进一步保障隐私信息安全的前提下，在千行百业的实际应用中，为人们的工作生活提效增速。