3D仮想合成による顔偽装対策の改善

顔の偽装検出は、顔認識システムのセキュリティにとって極めて重要です。特に深層学習を基にした学習手法は、過学習を減らすために大規模な訓練サンプルが必要です。しかし、偽装データの取得は非常に高コストであり、生体顔を多くの視点から再印刷および再撮影する必要があります。本論文では、この問題を緩和するために3D空間で仮想的な偽装データを合成する方法を提案します。具体的には、印刷された写真を平面として捉え、それを3Dオブジェクトにメッシュ化し、その後3D空間内でランダムに曲げたり回転させたりします。その後、変換された3D写真は透視投影を通じて仮想サンプルとしてレンダリングされます。合成された仮想サンプルは、提案されるデータバランス戦略と組み合わせることで偽装検出性能を大幅に向上させることが可能です。我々の有望な結果は、安価かつ大規模な合成データを使用して顔の偽装検出技術を進歩させる新たな可能性を開きます。