論文の概要: Look Locally Infer Globally: A Generalizable Face Anti-Spoofing Approach

• arxiv url: http://arxiv.org/abs/2006.02834v3
• Date: Mon, 15 Jun 2020 19:04:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 10:08:04.914318
• Title: Look Locally Infer Globally: A Generalizable Face Anti-Spoofing Approach
• Title（参考訳）: グローバルに推測してみよう: 一般化可能な対スプーフィングアプローチ
• Authors: Debayan Deb, Anil K. Jain
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 53.86588268914105
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State-of-the-art spoof detection methods tend to overfit to the spoof types seen during training and fail to generalize to unknown spoof types. Given that face anti-spoofing is inherently a local task, we propose a face anti-spoofing framework, namely Self-Supervised Regional Fully Convolutional Network (SSR-FCN), that is trained to learn local discriminative cues from a face image in a self-supervised manner. The proposed framework improves generalizability while maintaining the computational efficiency of holistic face anti-spoofing approaches (< 4 ms on a Nvidia GTX 1080Ti GPU). The proposed method is interpretable since it localizes which parts of the face are labeled as spoofs. Experimental results show that SSR-FCN can achieve TDR = 65% @ 2.0% FDR when evaluated on a dataset comprising of 13 different spoof types under unknown attacks while achieving competitive performances under standard benchmark datasets (Oulu-NPU, CASIA-MFSD, and Replay-Attack).
• Abstract（参考訳）: 最先端のspoof検出手法は、トレーニング中に見られるspoofタイプに過度に適合する傾向があり、未知のspoofタイプに一般化できない。 フェイスアンチスプーフィングは本質的に局所的なタスクであると考えられるため,自己教師あり地域完全畳み込みネットワーク(ssr-fcn)と呼ばれるフェイスアンチスプーフィングフレームワークを提案する。 提案手法は,nvidia gtx 1080ti gpu 上での対スプーフィング法 (4ms) の計算効率を維持しつつ,汎用性を向上させる。 提案手法は,顔のどの部分がスプーフとしてラベル付けられているかをローカライズするため,解釈可能である。 SSR-FCNは,標準ベンチマークデータセット(Oulu-NPU,CASIA-MFSD,Replay-Attack)を用いて,未知の攻撃下での13種類のスプーフ型からなるデータセットに対して,TDR = 65% @2.0% FDRを達成することができた。

関連論文リスト

• Hyp-OC: Hyperbolic One Class Classification for Face Anti-Spoofing [30.6907043124415]
  顔認識システムは偽造攻撃に対して脆弱であり、容易に回避できる。 フェース・アンチ・スプーフィング (FAS) の最も古い研究は、これを二段階の分類タスクとしてアプローチした。 本研究では,一級視点から顔の偽造防止タスクを再構築し,新しい双曲型一級分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-22T17:59:18Z)
• 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)
• Continual Face Forgery Detection via Historical Distribution Preserving [88.66313037412846]
  CFFD(Continuous Face Forgery Detection)に焦点をあてる。 CFFDは、以前の攻撃を忘れずに、新しい偽造攻撃から効率的に学習することを目指している。 評価実験の結果,提案手法は最先端の競合よりも優れていた。
  論文  参考訳（メタデータ） (2023-08-11T16:37:31Z)
• A Closer Look at Geometric Temporal Dynamics for Face Anti-Spoofing [13.725319422213623]
  顔認識システムにはFAS(face anti-spoofing)が不可欠である。 本稿では,通常動作と異常動作を区別するGeometry-Aware Interaction Network (GAIN)を提案する。 提案手法は,標準内部およびクロスデータセット評価における最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-25T18:59:52Z)
• 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)
• Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
  紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。 オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
  論文  参考訳（メタデータ） (2021-02-01T09:17:18Z)
• Uncertainty-Aware Physically-Guided Proxy Tasks for Unseen Domain Face Anti-spoofing [128.32381246318954]
  Face Anti-Spoofing (FAS)は、偽の顔と偽の顔とを区別しようと試みている。 そこで本研究では,未確認領域のより高度な一般化を実現するために,物理手法を活用することを提案する。
  論文  参考訳（メタデータ） (2020-11-28T03:22:26Z)
• Spoof Face Detection Via Semi-Supervised Adversarial Training [34.99908561729825]
  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。
  論文  参考訳（メタデータ） (2020-05-22T04:32:33Z)
• Learning Generalized Spoof Cues for Face Anti-spoofing [43.32561471100592]
  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。
  論文  参考訳（メタデータ） (2020-05-08T09:22:13Z)
• 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。