論文の概要: PipeNet: Selective Modal Pipeline of Fusion Network for Multi-Modal Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2004.11744v1
• Date: Fri, 24 Apr 2020 13:46:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 03:51:46.214881
• Title: PipeNet: Selective Modal Pipeline of Fusion Network for Multi-Modal Face Anti-Spoofing
• Title（参考訳）: PipeNet: マルチモーダル顔アンチスプーフィングのためのフュージョンネットワーク選択型モーダルパイプライン
• Authors: Qing Yang, Xia Zhu, Jong-Kae Fwu, Yun Ye, Ganmei You, and Yuan Zhu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.655217883712949
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face anti-spoofing has become an increasingly important and critical security feature for authentication systems, due to rampant and easily launchable presentation attacks. Addressing the shortage of multi-modal face dataset, CASIA recently released the largest up-to-date CASIA-SURF Cross-ethnicity Face Anti-spoofing(CeFA) dataset, covering 3 ethnicities, 3 modalities, 1607 subjects, and 2D plus 3D attack types in four protocols, and focusing on the challenge of improving the generalization capability of face anti-spoofing in cross-ethnicity and multi-modal continuous data. In this paper, we propose a novel pipeline-based multi-stream CNN architecture called PipeNet for multi-modal face anti-spoofing. Unlike previous works, Selective Modal Pipeline (SMP) is designed to enable a customized pipeline for each data modality to take full advantage of multi-modal data. Limited Frame Vote (LFV) is designed to ensure stable and accurate prediction for video classification. The proposed method wins the third place in the final ranking of Chalearn Multi-modal Cross-ethnicity Face Anti-spoofing Recognition Challenge@CVPR2020. Our final submission achieves the Average Classification Error Rate (ACER) of 2.21 with Standard Deviation of 1.26 on the test set.
• Abstract（参考訳）: face anti-spoofingは、乱暴で簡単に起動できるプレゼンテーションアタックのために、認証システムにとってますます重要で重要なセキュリティ機能になっている。 マルチモーダル顔データセットの不足に対処するため,CASIAは先日,3つの民族,3つのモダリティ,1607の主題,および2D+3D攻撃タイプを4つのプロトコルでカバーし,クロスエスニシティとマルチモーダル連続データにおけるフェイス・アンチ・スプーフィングの一般化能力の向上に重点を置く,最新のCASIA-SURFクロス・エスニシティ・フェイス・アンチ・スポーフィング(CeFA)データセットをリリースした。 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アーキテクチャであるPipeNetを提案する。 従来の作業とは異なり、Selective Modal Pipeline(SMP)は、各データモダリティ用にカスタマイズされたパイプラインを、マルチモーダルデータを完全に活用できるように設計されている。 Limited Frame Vote (LFV) は、ビデオ分類の安定かつ正確な予測を保証するように設計されている。 提案手法はchalearn multi-modal cross-ethnicity face anti-spoofing recognition challenge@cvpr2020の最終ランキングで3位となった。 最終提案では,平均分類誤差率(acer)が2.21で,標準偏差が1.26であった。

関連論文リスト

• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
  顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。 制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
  論文  参考訳（メタデータ） (2023-04-12T10:29:42Z)
• M3FAS: An Accurate and Robust MultiModal Mobile Face Anti-Spoofing System [39.37647248710612]
  フェイスプレゼンテーションアタック(FPA)は、様々な悪意あるアプリケーションを通じて、公衆の懸念を高めている。 我々は,M3FASという,正確で堅牢なマルチモーダル・モバイル・フェイス・アンチ・スポーフィングシステムを開発した。
  論文  参考訳（メタデータ） (2023-01-30T12:37:04Z)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)
• Two-stream Convolutional Networks for Multi-frame Face Anti-spoofing [1.9890930069402575]
  本研究では,ライブとスプーフの顔の違いを効果的に把握する2ストリームモデルを提案する。 提案手法をSiw, Oulu-NPU, CASIA-MFSD, Replay-Attackのデータセット上で評価した。
  論文  参考訳（メタデータ） (2021-08-09T13:35:30Z)
• Face Anti-Spoofing with Human Material Perception [76.4844593082362]
  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。 我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。 本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
  論文  参考訳（メタデータ） (2020-07-04T18:25:53Z)
• Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review [79.49390241265337]
  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。
  論文  参考訳（メタデータ） (2020-04-23T06:43:08Z)
• 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。