返回

在欧洲生物识别协会 (EAB)举办的最新虚拟午餐演讲中，探讨了与面部生物识别和计算机视觉相关的多个领域的最新技术。

INRIA Stars 团队的博士后研究员Antitza Dantcheva展示了她关于“解密和生成面孔”的一系列研究，向 EAB 观众解释了与网络安全、医疗保健和深度伪造相关的工作的见解。

面部图像因其所揭示的信息而引起了包括医学、法医学和生物识别在内的许多领域的人们的兴趣。视频揭示了更多信息，例如心率。

Dancheva 指出了生物识别研究领域之间的一些共性，以及与网络安全相比，医疗保健场景中发现的环境更加受限等差异。她指出，人脸生成是她研究领域中最新的一个。

讨论了在面部识别中的鲁棒性附加光谱的最新技术和潜在用途，及其在演示攻击检测中的应用。根据 Dantcheva 的研究，在光谱之间进行转换，例如从红外到可见光，然后将它们与面部生物识别技术进行匹配也很有效，因为相关特征在每个状态下都是不同的，并在翻译中保留下来。

Dancheva 最近使用面部生物识别技术进行医疗保健的一项研究试图检测“冷漠”，这可能是一系列神经系统疾病的征兆。Dancheva 说，看似简单的计算机视觉任务，结果却更具挑战性。该研究以这种方式使用基于生物识别的技术检测临床症状的最佳结果是 84% 的准确率，Dantcheva 似乎对情绪识别技术辅助诊断的潜力持乐观态度。医生告诉丹切娃，部分原因是难以客观地评估症状。

由于该领域的最新进展，Dantcheva 和她的学生的人脸生成研究现已发展到使用 GAN 生成视频人脸。好消息是，完美的视觉深度伪造视频还有很长的路要走，但该领域正在迅速发展。

在 deepfake 检测方面，Dantcheva 研究了使用 3D ResNet 等 3D 卷积神经网络来创建用于识别生成图像的模型，并取得了一些成功。

10 月 5 日举行的下一次 EAB 虚拟午餐演讲将讨论反欺骗技术中的偏见缓解问题。