論文の概要: Spoof Face Detection Via Semi-Supervised Adversarial Training

• arxiv url: http://arxiv.org/abs/2005.10999v1
• Date: Fri, 22 May 2020 04:32:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 09:26:22.156227
• Title: Spoof Face Detection Via Semi-Supervised Adversarial Training
• Title（参考訳）: 半監督型対人訓練による顔検出
• Authors: Chengwei Chen, Wang Yuan, Xuequan Lu, Lizhuang Ma
• Abstract要約: 顔の偽造は、顔認識システムに深刻なセキュリティ上の脅威を引き起こす。 本研究では,スプーフ顔検出のための半教師付き対向学習フレームワークを提案する。 われわれのアプローチは、スプーフの面がないため、様々な種類のスプーフ、さらには未知のスプーフに対して、堅牢で一般的なものである。
• 参考スコア（独自算出の注目度）: 34.99908561729825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face spoofing causes severe security threats in face recognition systems. Previous anti-spoofing works focused on supervised techniques, typically with either binary or auxiliary supervision. Most of them suffer from limited robustness and generalization, especially in the cross-dataset setting. In this paper, we propose a semi-supervised adversarial learning framework for spoof face detection, which largely relaxes the supervision condition. To capture the underlying structure of live faces data in latent representation space, we propose to train the live face data only, with a convolutional Encoder-Decoder network acting as a Generator. Meanwhile, we add a second convolutional network serving as a Discriminator. The generator and discriminator are trained by competing with each other while collaborating to understand the underlying concept in the normal class(live faces). Since the spoof face detection is video based (i.e., temporal information), we intuitively take the optical flow maps converted from consecutive video frames as input. Our approach is free of the spoof faces, thus being robust and general to different types of spoof, even unknown spoof. Extensive experiments on intra- and cross-dataset tests show that our semi-supervised method achieves better or comparable results to state-of-the-art supervised techniques.
• Abstract（参考訳）: 顔の偽造は、顔認識システムに深刻なセキュリティ脅威を引き起こす。 従来のアンチ・スプーフィングは、典型的には二分法または補助的な監督を伴う監督技術に焦点を当てていた。 それらのほとんどが限定的な堅牢性と一般化、特にクロスデータセット設定に苦しむ。 本稿では,spoof顔検出のための半教師付き逆学習フレームワークを提案する。 実顔データの基本構造を潜在表現空間で捉えるために,畳み込みエンコーダ・デコーダネットワークを生成器として,実顔データのみをトレーニングすることを提案する。 一方,第2の畳み込みネットワークを識別器として追加する。 ジェネレータと判別器は、通常のクラス(ライブフェイス)の基本的な概念を理解するために協力しながら互いに競合することで訓練される。 spoof顔検出はビデオベース(つまり時間情報)であるため、連続したビデオフレームから変換された光フローマップを入力として直感的に取得する。 当社のアプローチは、spoof顔のないので、さまざまなタイプのspoof、さらには未知のspoofに対して堅牢で汎用的です。 我々の半教師あり手法は, 最先端の教師あり手法と比較して, より優れた, 同等の結果が得られることを示す。

関連論文リスト

• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Learning Expressive And Generalizable Motion Features For Face Forgery Detection [52.54404879581527]
  本稿では,既存のビデオ分類手法に基づく,シーケンスに基づく効果的な偽造検出フレームワークを提案する。 動作特徴をより表現しやすくするために,別の動作整合ブロックを提案する。 一般的なビデオ分類ネットワークを3つの顔偽造データに対して有望な結果を達成する。
  論文  参考訳（メタデータ） (2024-03-08T09:25:48Z)
• 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)
• Learning Multiple Explainable and Generalizable Cues for Face Anti-spoofing [35.60198131792312]
  本稿では,顔のアンチスプーフィングのための複数の説明可能な一般化可能なキュー(MEGC)を学習するための新しいフレームワークを提案する。 人的決定のプロセスに触発されて、主に人間によって使用される4つのキューが補助的な監督として紹介される。
  論文  参考訳（メタデータ） (2022-02-21T12:55:59Z)
• Leveraging Real Talking Faces via Self-Supervision for Robust Forgery Detection [112.96004727646115]
  本研究では,実話を用いた顔操作映像の検出手法を開発した。 本手法は, クロスマニピュレーションの一般化とロバストネス実験における最先端性能を実現する。 以上の結果から、より堅牢な顔偽造検知器の開発には、自然ビデオと未表示ビデオの活用が有望な方向であることが示唆された。
  論文  参考訳（メタデータ） (2022-01-18T17:14:54Z)
• 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)
• 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)
• Deep Frequent Spatial Temporal Learning for Face Anti-Spoofing [9.435020319411311]
  対面防止は, 提示攻撃による侵入を避けることにより, 顔認識システムのセキュリティに不可欠である。 従来の研究は、この課題に深度と時間的監督を用いることの有効性を示した。 本稿では, 頻繁, 空間的, 時間的情報を同時に活用する顔アンチスプーフィングのための新しい2つのストリームFreqSaptialTemporalNetを提案する。
  論文  参考訳（メタデータ） (2020-01-20T06:02:45Z)

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。