番茄、土豆和洋葱：人脸呈现攻击检测真的需要人脸吗？
一项研究探讨了人脸呈现攻击检测系统能否在不使用人脸数据的情况下，学习可迁移的检测特征。研究人员构建了受控数据集 TPO，收录番茄、土豆和洋葱的真实、打印及重放记录。基于基础模型的检测器在 TPO 上训练后，在四项标准跨数据集人脸 PAD 基准测试中取得 92.70% 的平均 AUC，优于使用合成人脸训练的模型，并接近使用真实人脸数据训练的系统。结果表明，模型学习的主要是呈现、打印和重拍过程中的共同线索，而不是人脸或物体语义。将 TPO 纳入传统人脸 PAD 训练还能提升跨数据集性能，为更注重隐私且不依赖个人身份的生物识别安全技术提供了实证依据。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。