論文の概要: Multi-Modal Face Anti-Spoofing Based on Central Difference Networks

• arxiv url: http://arxiv.org/abs/2004.08388v1
• Date: Fri, 17 Apr 2020 11:42:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 13:36:09.336059
• Title: Multi-Modal Face Anti-Spoofing Based on Central Difference Networks
• Title（参考訳）: 中央差分ネットワークに基づくマルチモーダル顔のアンチスプーフィング
• Authors: Zitong Yu, Yunxiao Qin, Xiaobai Li, Zezheng Wang, Chenxu Zhao, Zhen Lei, Guoying Zhao
• Abstract要約: フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション攻撃から顔認識システムを保護する上で重要な役割を担っている。 既存のマルチモーダルFAS法は、積み重ねバニラ畳み込みに依存している。 中心差分畳み込みネットワーク(CDCN)をマルチモーダルバージョンに拡張し,本質的なスプーフィングパターンを捉える。
• 参考スコア（独自算出の注目度）: 93.6690714235887
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing (FAS) plays a vital role in securing face recognition systems from presentation attacks. Existing multi-modal FAS methods rely on stacked vanilla convolutions, which is weak in describing detailed intrinsic information from modalities and easily being ineffective when the domain shifts (e.g., cross attack and cross ethnicity). In this paper, we extend the central difference convolutional networks (CDCN) \cite{yu2020searching} to a multi-modal version, intending to capture intrinsic spoofing patterns among three modalities (RGB, depth and infrared). Meanwhile, we also give an elaborate study about single-modal based CDCN. Our approach won the first place in "Track Multi-Modal" as well as the second place in "Track Single-Modal (RGB)" of ChaLearn Face Anti-spoofing Attack Detection Challenge@CVPR2020 \cite{liu2020cross}. Our final submission obtains 1.02$\pm$0.59\% and 4.84$\pm$1.79\% ACER in "Track Multi-Modal" and "Track Single-Modal (RGB)", respectively. The codes are available at{https://github.com/ZitongYu/CDCN}.
• Abstract（参考訳）: 対面防止(FAS)は、提示攻撃から顔認識システムを保護する上で重要な役割を果たす。 既存のマルチモーダルFAS法は積み重ねバニラ畳み込みに依存しており、これはモダリティからの詳細な固有情報を記述するのに弱く、ドメインのシフト(例えば、クロスアタックとクロス民族性)で容易に非効率である。 本稿では,中央差分畳み込みネットワーク (CDCN) \cite{yu2020searching} をマルチモーダル版に拡張し,3つのモーダル(RGB,深度,赤外)の固有スプーリングパターンを捉えることを目的とした。 また,シングルモーダルベースのCDCNについても詳細に検討した。 我々のアプローチは,ChaLearn Face Anti-spoofing Detection Challenge@CVPR2020 \cite{liu2020cross} の "Track Single-Modal (RGB)" において,第1位を獲得した。 最終提案は, "track multi-modal" と "track single-modal (rgb)" でそれぞれ 1.02$\pm$0.59\% と 4.84$\pm$1.79\% acer を得る。 コードは{https://github.com/ZitongYu/CDCN}で入手できる。

関連論文リスト

• BadCM: Invisible Backdoor Attack Against Cross-Modal Learning [110.37205323355695]
  クロスモーダルバックドアにおけるパズルの欠片を補うために,新たな両面バックドアを導入する。 BadCMは、1つの統合されたフレームワーク内で多様なクロスモーダルアタックのために意図的に設計された最初の目に見えないバックドアメソッドである。
  論文  参考訳（メタデータ） (2024-10-03T03:51:53Z)
• Rethinking Vision Transformer and Masked Autoencoder in Multimodal Face Anti-Spoofing [19.142582966452935]
  RGB、赤外線(IR)、深度によるマルチモーダルFASのためのViTにおける3つの重要な要素(入力、事前学習、微調整)について検討した。 マルチモーダルFAS自己教師型事前学習のためのモダリティ非対称マスク付きオートエンコーダ (M$2$A$2$E) を提案する。
  論文  参考訳（メタデータ） (2023-02-11T17:02:34Z)
• Weakly Aligned Feature Fusion for Multimodal Object Detection [52.15436349488198]
  マルチモーダルデータはしばしば位置ずれの問題に悩まされます。つまり、イメージペアは厳密に一致していません。 この問題により、マルチモーダルな特徴を融合させることが難しくなり、畳み込みニューラルネットワーク(CNN)のトレーニングが難解になる。 本稿では、位置ずれ問題に対処するために、アライメント領域CNN(AR-CNN)と呼ばれる汎用マルチモーダル検出器を提案する。
  論文  参考訳（メタデータ） (2022-04-21T02:35:23Z)
• Flexible-Modal Face Anti-Spoofing: A Benchmark [66.18359076810549]
  フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション攻撃から顔認識システムを保護する上で重要な役割を担っている。 第一のフレキシブル・モーダルなFASベンチマークを原則として確立しました。 また、フレキシブルモーダルFASのための一般的な深層モデルと特徴融合戦略についても検討する。
  論文  参考訳（メタデータ） (2022-02-16T16:55:39Z)
• Dual-Cross Central Difference Network for Face Anti-Spoofing [54.81222020394219]
  対面防止(FAS)は、顔認識システムを保護する上で重要な役割を担っている。 中央差分畳み込み(CDC)は、FASタスクの優れた表現能力を示しています。 中心と周囲の局所的な特徴の差を利用した2つのC-CDC(Cross Central difference Convolutions)を提案する。
  論文  参考訳（メタデータ） (2021-05-04T05:11:47Z)
• Learning One Class Representations for Face Presentation Attack Detection using Multi-channel Convolutional Neural Networks [7.665392786787577]
  プレゼンテーションアタック検出(PAD)メソッドは、目に見えないアタックを一般化するのに失敗することが多い。 マルチチャネル畳み込みニューラルネットワーク(MCCNN)で学習する一クラス分類器を用いたPADのための新しいフレームワークを提案する。 新たな損失関数が導入されたため、ネットワークは攻撃の表現から遠ざかって、ボナフィドクラスのコンパクトな埋め込みを学習せざるを得なくなった。 提案フレームワークは,ボナフィドおよび(既知の)攻撃クラスから堅牢なPADシステムを学習するための新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2020-07-22T14:19:33Z)
• Searching Central Difference Convolutional Networks for Face Anti-Spoofing [68.77468465774267]
  顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。 最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。 ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T12:48:37Z)

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。