論文の概要: Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review

• arxiv url: http://arxiv.org/abs/2004.10998v1
• Date: Thu, 23 Apr 2020 06:43:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 09:47:50.790251
• Title: Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review
• Title（参考訳）: 異民族間対面アンチ・スプーフィング認識チャレンジのレビュー
• Authors: Ajian Liu, Xuan Li, Jun Wan, Sergio Escalera, Hugo Jair Escalante, Meysam Madadi, Yi Jin, Zhuoyuan Wu, Xiaogang Yu, Zichang Tan, Qi Yuan, Ruikun Yang, Benjia Zhou, Guodong Guo, Stan Z. Li
• Abstract要約: Chalearn Face Anti-Spoofing Detection Challengeは、シングルモーダル(例えば、RGB)とマルチモーダル(例えば、RGB、Depth、赤外線(IR))のトラックで構成されている。 本稿では,その設計,評価プロトコル,結果の概要など,課題の概要について述べる。
• 参考スコア（独自算出の注目度）: 79.49390241265337
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing is critical to prevent face recognition systems from a security breach. The biometrics community has %possessed achieved impressive progress recently due the excellent performance of deep neural networks and the availability of large datasets. Although ethnic bias has been verified to severely affect the performance of face recognition systems, it still remains an open research problem in face anti-spoofing. Recently, a multi-ethnic face anti-spoofing dataset, CASIA-SURF CeFA, has been released with the goal of measuring the ethnic bias. It is the largest up to date cross-ethnicity face anti-spoofing dataset covering $3$ ethnicities, $3$ modalities, $1,607$ subjects, 2D plus 3D attack types, and the first dataset including explicit ethnic labels among the recently released datasets for face anti-spoofing. We organized the Chalearn Face Anti-spoofing Attack Detection Challenge which consists of single-modal (e.g., RGB) and multi-modal (e.g., RGB, Depth, Infrared (IR)) tracks around this novel resource to boost research aiming to alleviate the ethnic bias. Both tracks have attracted $340$ teams in the development stage, and finally 11 and 8 teams have submitted their codes in the single-modal and multi-modal face anti-spoofing recognition challenges, respectively. All the results were verified and re-ran by the organizing team, and the results were used for the final ranking. This paper presents an overview of the challenge, including its design, evaluation protocol and a summary of results. We analyze the top ranked solutions and draw conclusions derived from the competition. In addition we outline future work directions.
• Abstract（参考訳）: 顔認識システムによるセキュリティ侵害を防止するためには、顔認識対策が不可欠である。 深層ニューラルネットワークの優れたパフォーマンスと大規模データセットの可用性により、バイオメトリックスコミュニティは近年、驚くべき進歩を遂げている。 民族バイアスは顔認識システムの性能に深刻な影響を与えていると証明されているが、依然として対スプーフィングにおける研究課題として残されている。 最近、民族バイアスを測定することを目的として、多民族の顔反偽造データセットCASIA-SURF CeFAがリリースされた。 3ドルの民族、3ドルのモダリティ、2dプラス3d攻撃タイプ、そして最近リリースされたフェイスアンチスプーフィング用のデータセットのうち、明示的な民族ラベルを含む最初のデータセットを含む、最新のクロスエスニシティ・フェイス・アンチスプーフィングデータセットとしては最大である。 我々は,この新たな資源を中心に,単一モーダル(RGBなど)と多モーダル(RGB,Depth,Infrared(IR)など)からなるChalearn Face Anti-spoofing Detection Challengeを組織し,民族的偏見の緩和を目的とした研究を推進した。 両方のトラックは開発段階で340ドルのチームを集め、最終的には11と8のチームがそれぞれ、シングルモーダルとマルチモーダルの顔認識課題にコードを提出した。 結果はすべて組織チームによって検証され、再調整され、結果が最終ランキングに使用された。 本稿では,その設計,評価プロトコル,結果の概要など,課題の概要について述べる。 上位ランクのソリューションを分析し,競争から導かれた結論を導き出す。 さらに,今後の作業の方向性についても概説する。

関連論文リスト

• Unified Physical-Digital Attack Detection Challenge [70.67222784932528]
  Face Anti-Spoofing (FAS) は、顔認識(FR)システムを保護するために重要である。 UniAttackDataは、Unified Detectionのための最大の公開データセットである。 我々は,一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元
  論文  参考訳（メタデータ） (2024-04-09T11:00:11Z)
• Surveillance Face Presentation Attack Detection Challenge [68.06719263243806]
  Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。 大規模サーベイランスハイフィデリティマスク(SuHiFiMask)を収集する SuHiFiMaskには、年齢層別101ドルのビデオが10,195ドル、メインストリームの監視カメラが7ドルだ。 監視シナリオにおける顔提示攻撃検出の課題を整理する。
  論文  参考訳（メタデータ） (2023-04-15T15:23:19Z)
• CelebA-Spoof Challenge 2020 on Face Anti-Spoofing: Methods and Results [52.037212630137304]
  CelebA-Spoofは、データと被験者の数の点で最大の顔のアンチスプーフィングデータセットです。 本稿では、CelebA-Spoof Challenge 2020 on Face AntiSpoofingの方法と結果を報告する。
  論文  参考訳（メタデータ） (2021-02-25T02:31:41Z)
• PipeNet: Selective Modal Pipeline of Fusion Network for Multi-Modal Face Anti-Spoofing [6.655217883712949]
  本稿では,マルチモーダル顔アンチスプーフィングのためのパイプラインベースマルチストリームCNNアーキテクチャPipeNetを提案する。 提案手法は,Chalearn Multi-modal Cross-ethnicity Face Anti-spoofing Recognition Challenge@CVPR 2020の最終ランキングで3位を獲得した。
  論文  参考訳（メタデータ） (2020-04-24T13:46:00Z)
• 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)
• CASIA-SURF CeFA: A Benchmark for Multi-modal Cross-ethnicity Face Anti-spoofing [83.05878126420706]
  CeFA (CASIA-SURF Cross-ethnicity Face Anti-spoofing dataset) について紹介する。 CeFAは、顔の偽造防止のための、現在の公開/リリースデータセットに明示的な民族ラベルを含む最初のデータセットである。 本稿では,これらのバイアスを緩和する強力なベースラインとして,新しいマルチモーダル融合法を提案する。
  論文  参考訳（メタデータ） (2020-03-11T06:58:54Z)

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。