图像生成与防伪

主题：图像生成与防伪

摘要：

随着互联网，特别是移动互联网的发展，一个以信息爆炸为特征的大数据时代正在到来。人脸数据具有采集的非接触性、非强制性、操作简单、结果直观、隐蔽性好等特点，为人们所广泛接受。然而在给与人们生活带来便利的同时，人脸作为一种极易采集的生物特征图像，容易受到非法用户的恶意攻击和篡改。在金融、安防等安全系数较高的行业，针对恶意攻击设计检测精度高、速度快、泛化能力强的人脸防伪系统是安全人脸识别的重中之重。

人脸图像生成与防伪包含了对人脸视觉数据的重建、解释、伪造和鉴别等一系列任务。其研究内容可以大体分为理论研究和应用研究两个方向，其中理论研究涵盖了深度学习、迁移学习、小样本学习、对抗学习、虚拟生成等方面的内容，而应用研究则涉及人脸伪造和人脸防伪等方面。常见的伪造方式包括模拟原始人脸的照片攻击、视频攻击、三维面具攻击以及直接针对识别网络的对抗攻击，而防御方式包括了对仿造内容的检测以及溯源，对各类伪造方式的检索与防御。本课程以深度学习框架为基础，对以人脸为代表的图像伪造与防伪技术进行进深度剖析，主要内容包括图像生成与防伪所涉及的主要基础理论和方法，以及各种攻击防御技术。相关研究工作发表在IEEE TPAMI、IJCV、TIP、TIFS、CVPR、ICCV、ECCV、NIPS等一系列期刊和会议上。

讲师介绍：

	赫然，中国科学院自动化研究所模式识别国家重点实验室研究员，中国科学院脑科学与智能技术卓越创新中心年轻骨干，中国科学院大学岗位教授。2009年于中国科学院自动化研究所，获模式识别与智能系统工学博士。2010年至今，在模式识别国家重点实验室任助理研究员、副研究员、项目研究员、研究员；担任中国科学院大学人工智能技术学院模式识别教研室副主任，中国图象图形学学会视觉大数据专委会秘书长。从事模式识别应用基础理论研究，获得中国科学院卢嘉锡青年人才奖、北京青年优秀科技论文一等奖、吴文俊人工智能科学技术创新奖等，并应用到生物特征识别和智能视频监控，在面智慧城市监管需求的系统平台上取得成功应用，取得一定经济效益。近期主要聚焦在生成式深度学习以及大规模图像生成中遇到的瓶颈问题，展开图像模式分析基础理论研究。出版信息理论学习专著1部；在IEEE TPAMI、TIP、TIFS、TNNLS、TKDE、TBD、TSMCS等权威国际期刊以及NIPS、ICCV、CVPR、IJCAI、AAAI、SIGIR、ACM MM等权威国际会议发表论文130篇，SCI他引1000余次，研究工作获得国家自然科学基金优秀青年科学基金和北京市自然科学基金杰出青年科学基金资助。国庆70周年阅兵观礼嘉宾，中央电视台科教频道《透视新科技》科普节目嘉宾等。
	朱翔昱，中科院自动化所模式识别国家重点实验室副研究员，2017年在中科院自动化所获得博士学位，师从李子青研究员。从事三维人脸模型、人脸关键点检测、人脸识别方面的相关理论研究与应用。共发表论文三十篇，其中第一作者论文包括顶级期刊T-PAMI一篇及IJCV一篇,模式识别顶级会议CVPR三篇，其中一篇获得口头报告（Oral）资格。已发表论文Google总引用率超过2000次，第一作者引用超过800次。
	黄怀波，中国科学院自动化研究所模式识别国家重点实验室助理研究员。2012年于西安交通大学获学士学位，2016年于北京航空航天大学获硕士学位，2019年于中国科学院大学人工智能学院，获计算机应用技术工学博士。2019年至今，在中国科学院自动化研究所模式识别国家重点实验室担任助理研究员。从事模式识别和计算机视觉基础理论研究，并应用到图像分析、图像生成和图像复原等。近期主要针对大规模图像生成和复原中遇到的瓶颈问题，展开基础理论和模型设计等研究。在IJCV、NIPS、ICCV、AAAI、ACM MM等权威国际期刊和国际会议上发表论文多篇。曾获得北京市优秀毕业生、中国科学院院长优秀奖等荣誉奖励，入选北京市科学技术协会2020-2022年度青年人才托举工程。