論文の概要: Deep Frequent Spatial Temporal Learning for Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2002.03723v1
• Date: Mon, 20 Jan 2020 06:02:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-08 05:24:17.068424
• Title: Deep Frequent Spatial Temporal Learning for Face Anti-Spoofing
• Title（参考訳）: 顔アンチスプーフィングのための深部時空間学習
• Authors: Ying Huang, Wenwei Zhang, and Jinzhuo Wang
• Abstract要約: 対面防止は, 提示攻撃による侵入を避けることにより, 顔認識システムのセキュリティに不可欠である。 従来の研究は、この課題に深度と時間的監督を用いることの有効性を示した。 本稿では, 頻繁, 空間的, 時間的情報を同時に活用する顔アンチスプーフィングのための新しい2つのストリームFreqSaptialTemporalNetを提案する。
• 参考スコア（独自算出の注目度）: 9.435020319411311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing is crucial for the security of face recognition system, by avoiding invaded with presentation attack. Previous works have shown the effectiveness of using depth and temporal supervision for this task. However, depth supervision is often considered only in a single frame, and temporal supervision is explored by utilizing certain signals which is not robust to the change of scenes. In this work, motivated by two stream ConvNets, we propose a novel two stream FreqSaptialTemporalNet for face anti-spoofing which simultaneously takes advantage of frequent, spatial and temporal information. Compared with existing methods which mine spoofing cues in multi-frame RGB image, we make multi-frame spectrum image as one input stream for the discriminative deep neural network, encouraging the primary difference between live and fake video to be automatically unearthed. Extensive experiments show promising improvement results using the proposed architecture. Meanwhile, we proposed a concise method to obtain a large amount of spoofing training data by utilizing a frequent augmentation pipeline, which contributes detail visualization between live and fake images as well as data insufficiency issue when training large networks.
• Abstract（参考訳）: 対面防止は, 提示攻撃による侵入を避けることにより, 顔認識システムのセキュリティに不可欠である。 従来の研究は、この課題に深度と時間的監督を用いることの有効性を示した。 しかし、奥行き監視は一つのフレームでのみ考慮されることが多く、シーンの変化に頑健でない特定の信号を用いて時間的監視を行う。 本研究は,2つのストリームConvNetをモチベーションとして,頻繁,空間的,時間的情報を同時に活用する対面スプーフィングのための新しい2つのストリームFreqSaptialTemporalNetを提案する。 マルチフレームRGB画像のスプーフィングキューをマイニングする既存の手法と比較して、識別深層ニューラルネットワークの入力ストリームとしてマルチフレームのスペクトル画像を作成し、ライブと偽のビデオの一次的な違いを自動的に検出する。 大規模な実験では、提案したアーキテクチャを用いて有望な改善結果を示す。 一方,実画像と偽画像の詳細な可視化や大規模ネットワークのトレーニングにおけるデータ不足問題に寄与する,頻繁な拡張パイプラインを利用して,大量のスプーフィングトレーニングデータを得るための簡潔な手法を提案する。

関連論文リスト

• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Two-branch Multi-scale Deep Neural Network for Generalized Document Recapture Attack Detection [25.88454144842164]
  画像再キャプチャー攻撃は、ある法医学的痕跡を消去するための効果的な画像操作方法であり、個人文書イメージをターゲットとすると、電子商取引やその他のウェブアプリケーションのセキュリティに大きな脅威をもたらす。 本稿では,周波数フィルタバンクとマルチスケールクロスアテンション融合モジュールを設計した,より汎用化された再キャプチャアーティファクトをマイニングすることで,新しい2分岐ディープニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-30T06:57:11Z)
• Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
  本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。 具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。 提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2022-09-12T15:05:41Z)
• Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in VIS and NIR Scenario [87.72258480670627]
  既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。 本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
  論文  参考訳（メタデータ） (2022-07-05T09:27:53Z)
• LTT-GAN: Looking Through Turbulence by Inverting GANs [86.25869403782957]
  本稿では,よく訓練されたGANによってカプセル化された視覚的事前情報を利用した最初の乱流緩和手法を提案する。 視覚的先行性に基づき、周期的な文脈距離で復元された画像の同一性を維持することを学ぶことを提案する。 本手法は, 回復した結果の視覚的品質と顔認証精度の両方において, 先行技術よりも優れていた。
  論文  参考訳（メタデータ） (2021-12-04T16:42:13Z)
• Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
  紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。 オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
  論文  参考訳（メタデータ） (2021-02-01T09:17:18Z)
• Two-branch Recurrent Network for Isolating Deepfakes in Videos [17.59209853264258]
  本稿では,2分岐ネットワーク構造に基づくディープフェイク検出手法を提案する。 1つのブランチは元の情報を伝達し、もう1つのブランチは顔の内容を抑制する。 当社の2つの新しいコンポーネントは、FaceForensics++、Celeb-DF、FacebookのDFDCプレビューベンチマークで有望な結果を示している。
  論文  参考訳（メタデータ） (2020-08-08T01:38:56Z)
• Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
  深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。 2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。 提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-03-18T06:11:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。