Amélioration de la Détection de l'Anti-Artefact Facial par Synthèse Virtuelle 3D

La détection de l'usurpation faciale est cruciale pour la sécurité des systèmes de reconnaissance faciale. Les méthodes basées sur l'apprentissage, en particulier celles fondées sur l'apprentissage profond, nécessitent de grandes quantités d'échantillons d'entraînement pour réduire le surapprentissage. Cependant, l'acquisition de données d'usurpation est très coûteuse car les visages vivants doivent être réimprimés et recapturés sous de nombreux angles. Dans cet article, nous présentons une méthode permettant de synthétiser des données d'usurpation virtuelles dans l'espace 3D afin d'alléger ce problème. Plus précisément, nous considérons une photographie imprimée comme une surface plane que nous transformons en un objet 3D, puis nous le plions et le faisons pivoter aléatoirement dans l'espace 3D. Ensuite, la photographie 3D transformée est rendue par projection perspective en tant qu'échantillon virtuel. Les échantillons virtuels synthétiques peuvent considérablement améliorer les performances de détection de l'usurpation lorsqu'ils sont combinés avec une stratégie d'équilibrage des données proposée. Nos résultats prometteurs ouvrent de nouvelles perspectives pour l'avancement de la détection de l'usurpation faciale à l'aide de données synthétiques peu coûteuses et à grande échelle.