在这个“刷脸”的时代，如何堂堂正正你的脸

“刷脸”弹出门锁

“刷脸”重启的汽车上

“刷脸”解锁手机

“刷脸”顺利完成支付

…

我们逝去了叮叮当当的盒子串、草率的密码，科技带来的方便一览无余。

与此同时，是频繁爆出有的破损问题：剧照打印面孔虽然已是过去式，但某些场景下，视频音频、3D面孔面具仍然可以轻松骗过照相机，做到用一张脸刷另一个人的账户，后下另一个人的车上，进另一个人的家......

如何摒弃这些破损，让面孔辨别技术带来的都已方便？

种种隐患，而今物理在世界上单单场景过于复杂，训练资料很难延展所有场景，可用测试者算法指标的测试者集也往往代表的是测试者集延展场景下算法基本概念的结果，而单单应用中会，与测试者结果相比，算法的精确率低、误检率高，鲁棒性以致于，才有了Bug让炮击无济于事。

因此，即使基于大量资料集的2D面孔辨别算法在后下源资料集上测试者的辨别对照组并未大幅提高99.8%，足以与人类的观测者相媲美，但在涉及到金融市场财产安全等的场景下，仍然仅仅是来进行手段。

所谓“魔高一尺，道高一丈”，基于3D资料的面孔辨别催生——

相对来说于2D面孔辨别，3D面孔基本概念具有更强的描绘出能力、能更好地解读出有相符面孔，辨别对照组和通过观察检验对照组都很高。

可以轻易攻破2D面孔辨别该系统的视频、剧照，对于3D面孔基本概念来说就不足为虑了。这是因为3D面孔基本概念基本上应可用的都是点云资料或者在2D的基础上添加深度信息，能够比较零碎的表示出有物体的三维信息，可以满足高级别的金融市场领域需求，因此点云资料在机器视觉、自动驾驶的商业化落地进程中会也扮演着最主要角色。