論文の概要: 3D Face Anti-spoofing with Factorized Bilinear Coding
- arxiv url: http://arxiv.org/abs/2005.06514v3
- Date: Sun, 13 Dec 2020 16:21:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 19:44:59.189055
- Title: 3D Face Anti-spoofing with Factorized Bilinear Coding
- Title（参考訳）: 因子化バイリニア符号化による3次元面反スプーフィング
- Authors: Shan Jia, Xin Li, Chuanbo Hu, Guodong Guo, Zhengquan Xu
- Abstract要約: 本稿では, きめ細かい分類の観点から, 新規なアンチ・スプーフィング法を提案する。
RGB と YCbCr 空間から識別的かつ相補的情報を抽出することにより、3次元顔スプーフィング検出の原理的解法を開発した。
- 参考スコア（独自算出の注目度）: 35.30886962572515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We have witnessed rapid advances in both face presentation attack models and
presentation attack detection (PAD) in recent years. When compared with widely
studied 2D face presentation attacks, 3D face spoofing attacks are more
challenging because face recognition systems are more easily confused by the 3D
characteristics of materials similar to real faces. In this work, we tackle the
problem of detecting these realistic 3D face presentation attacks, and propose
a novel anti-spoofing method from the perspective of fine-grained
classification. Our method, based on factorized bilinear coding of multiple
color channels (namely MC\_FBC), targets at learning subtle fine-grained
differences between real and fake images. By extracting discriminative and
fusing complementary information from RGB and YCbCr spaces, we have developed a
principled solution to 3D face spoofing detection. A large-scale wax figure
face database (WFFD) with both images and videos has also been collected as
super-realistic attacks to facilitate the study of 3D face presentation attack
detection. Extensive experimental results show that our proposed method
achieves the state-of-the-art performance on both our own WFFD and other face
spoofing databases under various intra-database and inter-database testing
scenarios.
- Abstract（参考訳）: 近年,顔提示攻撃モデルと提示攻撃検出(PAD)の双方で急速な進歩が見られた。
広く研究されている2次元顔提示攻撃と比較すると、顔認識システムは実際の顔と類似する材料の3d特性により混乱しやすいため、3次元顔スプーフィング攻撃はより困難である。
本研究では,これら現実的な3次元顔提示攻撃を検知する問題に取り組み,きめ細かい分類の観点から,新しい防汚法を提案する。
提案手法は,複数色チャネル(MC\_FBC)の因子的バイリニア符号化に基づいて,実画像と偽画像の微妙な微妙な相違を学習することを目的とした。
RGB と YCbCr 空間から識別的かつ相補的情報を抽出することにより、3次元顔スプーフィング検出の原理的解法を開発した。
画像とビデオの両方を備えた大規模ワックス図形顔データベース(WFFD)も,3次元顔提示攻撃の検出を容易にするために,超現実的な攻撃として収集されている。
実験の結果,提案手法は,データベース内およびデータベース間テストシナリオ下で,我々のWFFDと他の顔スプーリングデータベースの両方で,最先端の性能を実現することが示された。
関連論文リスト
- VoxAtnNet: A 3D Point Clouds Convolutional Neural Network for Generalizable Face Presentation Attack Detection [2.6118211807973157]
顔バイオメトリックシステムはプレゼンテーションアタック(PA)に対して脆弱である
本稿では,スマートフォンの前面カメラを用いて捉えた3次元点雲に基づくプレゼンテーション攻撃検出(PAD)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-19T07:30:36Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Semantic-aware One-shot Face Re-enactment with Dense Correspondence
Estimation [100.60938767993088]
ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。
本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
論文 参考訳（メタデータ） (2022-11-23T03:02:34Z) - 3D Face Morphing Attacks: Generation, Vulnerability and Detection [3.700129710233692]
顔認識システムはモルヒネ攻撃に弱いことが判明した。
本研究は,3次元の顔変形攻撃を発生させる新しい方向を示す。
論文 参考訳（メタデータ） (2022-01-10T16:53:39Z) - Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。
以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。
キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
論文 参考訳（メタデータ） (2021-04-28T09:35:48Z) - MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。
提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
論文 参考訳（メタデータ） (2020-10-25T23:01:13Z) - DeepFaceFlow: In-the-wild Dense 3D Facial Motion Estimation [56.56575063461169]
DeepFaceFlowは、3D非剛体顔の流れを推定するための堅牢で高速で高精度なフレームワークである。
私たちのフレームワークは、2つの非常に大規模な顔ビデオデータセットでトレーニングされ、テストされました。
登録された画像に対して,60fpsで3次元フローマップを生成する。
論文 参考訳（メタデータ） (2020-05-14T23:56:48Z) - 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。