CAAD 预赛成绩排名 入围GeekPwn决赛队伍揭晓

CAAD虚假人脸AI识别大赛预赛排名

（入围决赛选手名单）

8

GeekPwn-AI变脸⼝罩挑战赛

AI变脸口罩挑战赛要求选手修改源人物的口罩佩戴区域，以达到令其可以被识别为目标人物的目的。为了更接近现实中的攻击场景，比赛中涉及的人脸识别模型包含一个模型和另外多个黑盒模型。其中白盒模型为在2019年CVPR中提出的ArcFace算法。

在经过一个月的激烈角逐，最终“万能口罩”，“海棠初白”，“动动动动弦!”三支队伍取得了前三名的成绩。这三支队伍提交的方法中存在着一些共同之处，其一就是他们都选择使用当前SOTA方法中常用的余弦相似度作为对抗样本生成时使用的损失函数；此外，他们都采用了多模型融合的方式替代被攻击模型来提高生成的对抗样本的泛化能力。

不同的是，第一名队伍在对抗样本的生成模型中插入了一个UNet模型解决对抗样本在特定模型上过拟合的问题；并且除了优化余弦相似度之外，他们还添加了一项比较合成图片和目标人物嘴部关键点的损失函数，令合成图像的嘴型与目标人物相似；同时他们还通过StyleGAN的方法对目标图像进行了数据增广。第二名则更强调在对抗样本生成过程中，使用cut-out的数据增广方法和在对图片进行下采样时使用的包括bicubic、gaussian和lanczos3在内的多种插值方法。而第三名则是在将目标人物的嘴部区域拼接在口罩位置之后，对图像的位移场和颜色空间，利用改进的PGD算法进行攻击。

人脸识别系统已经被广泛地应用在门禁系统，支付系统等多个领域。但是在AI变脸口罩挑战赛中，在对抗样本的作用下，一个人竟然可以轻松改变身份，轻松获得不该有的权限，成为一个在真实世界中存在的“万能脸”。
 
GeekPwn-虚假人脸AI识别大赛

虚假人脸AI识别大赛要求选手判断给出的图像、视频中是否包含虚假人脸。这些虚假人脸都是由DeepFakes、Face2Face、FaceSwap和CycleGAN等AI技术或它们的变体生成的。

此次比赛并未限制训练数据的使用，选手可自行收集数据进行模型训练。比赛中，参赛队伍主要关注在训练数据的收集和分类模型的选择上。最终，“brewery”，“阿瓦隆”，“DIF-Detection”和“万花筒写轮眼”从众多参赛队伍中脱颖而出。在数据选择上，他们大多选择了FaceForensics++，Celeb-DF等开源数据集作为其视频数据训练集。而对于图像数据，收集方式则更为多样化，不仅包含了Seeprettyface、FFHQ等开源数据，也包含了多种GAN生成的数据，甚至包含了其它非人脸类别的数据。

在模型选择上，四支队伍均选择使用分类的思想来对伪造视频或图像进行甄别，使用了EfficientNet、Xception和ResNet等主流分类网络。为了进一步提升模型鉴别能力，参赛选手们在数据处理和模型训练上也各显神通，不仅使用随机crop、高斯模糊、JPEG压缩、水平翻转等方式对数据进行增广，还在模型架构中引入WS-DAN结构，或在训练过程中加入noisystudent的训练方式来提升网络性能。

目前，深度伪造技术已经带来了公众的恐慌和恶劣的社会影响，而各种深度伪造技术仍在源源不断地被提出。尽管深度伪造检测工作已经获得了一些喜人的成绩，但离自动化系统可靠地识别出深度伪造内容还有一段距离。因此，每一个相关技术人员和爱好者都仍任重而道远。

第一名  奖金 3 万元人民币

第二名  奖金 2 万元人民币

第三名  奖金 1 万元人民币

第四名  奖金 5000 元人民币