論文の概要: Learning Generalized Spoof Cues for Face Anti-spoofing

• arxiv url: http://arxiv.org/abs/2005.03922v1
• Date: Fri, 8 May 2020 09:22:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 12:42:31.153300
• Title: Learning Generalized Spoof Cues for Face Anti-spoofing
• Title（参考訳）: 顔アンチスプーフィングのための一般化スポフキュース学習
• Authors: Haocheng Feng and Zhibin Hong and Haixiao Yue and Yang Chen and Keyao Wang and Junyu Han and Jingtuo Liu and Errui Ding
• Abstract要約: 本研究では,スプーフ・キューとして定義される識別的ライブ・スプーフの差異を学習するための残差学習フレームワークを提案する。 ジェネレータは、生きたサンプルのスプーフキューを最小限に抑えつつ、見知らぬ攻撃に対してうまく一般化するために、スプーフサンプルのスプーフキューに明示的な制約を課さない。 実験の結果,提案手法は最先端の手法よりも一貫して優れていることがわかった。
• 参考スコア（独自算出の注目度）: 43.32561471100592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many existing face anti-spoofing (FAS) methods focus on modeling the decision boundaries for some predefined spoof types. However, the diversity of the spoof samples including the unknown ones hinders the effective decision boundary modeling and leads to weak generalization capability. In this paper, we reformulate FAS in an anomaly detection perspective and propose a residual-learning framework to learn the discriminative live-spoof differences which are defined as the spoof cues. The proposed framework consists of a spoof cue generator and an auxiliary classifier. The generator minimizes the spoof cues of live samples while imposes no explicit constraint on those of spoof samples to generalize well to unseen attacks. In this way, anomaly detection is implicitly used to guide spoof cue generation, leading to discriminative feature learning. The auxiliary classifier serves as a spoof cue amplifier and makes the spoof cues more discriminative. We conduct extensive experiments and the experimental results show the proposed method consistently outperforms the state-of-the-art methods. The code will be publicly available at https://github.com/vis-var/lgsc-for-fas.
• Abstract（参考訳）: 既存のface anti-spoofing(fas)メソッドの多くは、事前定義されたspoofタイプの決定バウンダリのモデリングに焦点を当てている。 しかし、未知のものを含むspoofサンプルの多様性は、効果的な決定境界モデリングを阻害し、弱い一般化能力をもたらす。 本稿では, 異常検出の観点からFASを再構成し, スプーフキューとして定義される識別的ライブスプーフ差を学習するための残差学習フレームワークを提案する。 提案するフレームワークは,スプーフキュー生成器と補助分類器から構成される。 このジェネレータは、ライブサンプルのスプーフキューを最小化する一方で、spoofサンプルのスプーフキューに明示的な制約を課さずに、目に見えない攻撃にうまく一般化する。 このように、異常検出は暗黙的にspoof cue生成を導くために使われ、識別的特徴学習につながる。 補助分類器は、spoof cueアンプとして機能し、spoof cuesをより識別する。 広範な実験を行い,提案手法が最先端手法を一貫して上回ることを示した。 コードはhttps://github.com/vis-var/lgsc-for-fasで公開されている。

関連論文リスト

• Spoof Diarization: "What Spoofed When" in Partially Spoofed Audio [35.485350559012645]
  本稿では,部分的スポフ(PS)シナリオにおける新しいタスクとして,スポフダイアリゼーションを定義する。 異なるスプーフ手法に従って、スプーフ領域の配置とクラスタ化を含む、スプーフがいつ何になったかを決定することを目的としている。
  論文  参考訳（メタデータ） (2024-06-12T02:23:57Z)
• Modeling Spoof Noise by De-spoofing Diffusion and its Application in Face Anti-spoofing [40.82039387208269]
  本稿では,拡散モデルを用いてスプーフ画像をデノベートし,真の画像を復元する先駆的な試みを提案する。 これら2つの画像の違いはスプーフノイズと見なされ、顔の反スプーフに対する識別的手がかりとして機能する。
  論文  参考訳（メタデータ） (2024-01-16T10:54:37Z)
• Learning Polysemantic Spoof Trace: A Multi-Modal Disentanglement Network for Face Anti-spoofing [34.44061534596512]
  本稿では,より正確で堅牢な汎用攻撃検出のために,多面的スプーフトレースをターゲットとしたマルチモーダル・アンタングルモデルを提案する。 特に、対角学習機構に基づいて、RGBと深度入力からそれぞれスプーフパターンを推定する2ストリームディエンタングリングネットワークを設計する。
  論文  参考訳（メタデータ） (2022-12-07T20:23:51Z)
• Few-shot Forgery Detection via Guided Adversarial Interpolation [56.59499187594308]
  既存の偽造検出手法は、見知らぬ新しい偽造手法に適用した場合、大幅な性能低下に悩まされる。 本稿では,数発の偽造検出問題を克服するために,GAI(Guid Adversarial Interpolation)を提案する。 我々の手法は、多数派と少数派の偽造アプローチの選択に対して堅牢であることが検証されている。
  論文  参考訳（メタデータ） (2022-04-12T16:05:10Z)
• 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)
• Understanding Classifier Mistakes with Generative Models [88.20470690631372]
  ディープニューラルネットワークは教師付き学習タスクに有効であるが、脆弱であることが示されている。 本稿では、生成モデルを利用して、分類器が一般化に失敗するインスタンスを特定し、特徴付ける。 我々のアプローチは、トレーニングセットのクラスラベルに依存しないため、半教師付きでトレーニングされたモデルに適用できる。
  論文  参考訳（メタデータ） (2020-10-05T22:13:21Z)
• On Disentangling Spoof Trace for Generic Face Anti-Spoofing [24.75975874643976]
  偽造防止の鍵は「偽造痕跡」と呼ばれる微妙なイメージパターンにある 本研究は,スプーフトレースを入力面から切り離すための,新たな逆学習フレームワークを設計する。
  論文  参考訳（メタデータ） (2020-07-17T23:14:16Z)
• Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
  異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。 本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。 提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
  論文  参考訳（メタデータ） (2020-07-11T21:20:55Z)
• Look Locally Infer Globally: A Generalizable Face Anti-Spoofing Approach [53.86588268914105]
  最先端のスプーフ検出方法は、トレーニング中に見られるスプーフタイプに過度に適合し、未知のスプーフタイプに一般化できない傾向にある。 顔画像から局所的な識別的手がかりを自己監督的に学習するために訓練された自己監督型地域完全畳み込みネットワーク(SSR-FCN)を提案する。
  論文  参考訳（メタデータ） (2020-06-04T13:11:17Z)

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。