3D 가상 합성을 통한 얼굴 위조 방지 개선

얼굴 위조 방지는 얼굴 인식 시스템의 보안에 매우 중요합니다. 특히 딥러닝 기반 방법을 포함한 학습 기반 방법은 과적합을 줄이기 위해 대규모 훈련 샘플이 필요합니다. 그러나 위조 데이터를 획득하는 것은 실제 얼굴을 다양한 각도에서 다시 인쇄하고 촬영해야 하므로 매우 비용이 많이 듭니다. 본 논문에서는 이 문제를 완화하기 위해 3D 공간에서 가상 위조 데이터를 생성하는 방법을 제시합니다. 구체적으로, 인쇄된 사진을 평면 표면으로 간주하고 이를 3D 객체로 메싱(meshing) 처리합니다. 그런 다음, 이 3D 객체는 3D 공간에서 무작위로 굽혀지고 회전됩니다. 이후 변환된 3D 사진은 원근 투사(perspective projection)를 통해 가상 샘플로 렌더링됩니다. 이러한 합성 가상 샘플들은 제안된 데이터 균형 전략과 결합될 때 위조 방지 성능을 크게 향상시킬 수 있습니다. 우리의 유망한 결과는 저렴하고 대규모의 합성 데이터를 사용하여 얼굴 위조 방지를 발전시키는 새로운 가능성을 열어줍니다.