論文の概要: Morphing Attack Detection -- Database, Evaluation Platform and Benchmarking

• arxiv url: http://arxiv.org/abs/2006.06458v3
• Date: Mon, 28 Sep 2020 16:35:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 13:58:37.203923
• Title: Morphing Attack Detection -- Database, Evaluation Platform and Benchmarking
• Title（参考訳）: モーフィング攻撃検出 -- データベース、評価プラットフォーム、ベンチマーク
• Authors: Kiran Raja, Matteo Ferrara, Annalisa Franco, Luuk Spreeuwers, Illias Batskos, Florens de Wit Marta Gomez-Barrero, Ulrich Scherhag, Daniel Fischer, Sushma Venkatesh, Jag Mohan Singh, Guoqiang Li, Lo\"ic Bergeron, Sergey Isadskiy, Raghavendra Ramachandra, Christian Rathgeb, Dinusha Frings, Uwe Seidel, Fons Knopjes, Raymond Veldhuis, Davide Maltoni, Christoph Busch
• Abstract要約: モーフィング攻撃は顔認識システム(FRS)に深刻な脅威をもたらしている 最近の研究で報告されている進歩の数にもかかわらず、独立したベンチマーク、一般化可能性の課題、年齢、性別、民族性の考慮といった深刻な未解決の問題に留意する。 そこで本研究では,MADの進歩を促進するために,新たなシークエンスデータセットを提案する。
• 参考スコア（独自算出の注目度）: 16.77282920396874
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Morphing attacks have posed a severe threat to Face Recognition System (FRS). Despite the number of advancements reported in recent works, we note serious open issues such as independent benchmarking, generalizability challenges and considerations to age, gender, ethnicity that are inadequately addressed. Morphing Attack Detection (MAD) algorithms often are prone to generalization challenges as they are database dependent. The existing databases, mostly of semi-public nature, lack in diversity in terms of ethnicity, various morphing process and post-processing pipelines. Further, they do not reflect a realistic operational scenario for Automated Border Control (ABC) and do not provide a basis to test MAD on unseen data, in order to benchmark the robustness of algorithms. In this work, we present a new sequestered dataset for facilitating the advancements of MAD where the algorithms can be tested on unseen data in an effort to better generalize. The newly constructed dataset consists of facial images from 150 subjects from various ethnicities, age-groups and both genders. In order to challenge the existing MAD algorithms, the morphed images are with careful subject pre-selection created from the contributing images, and further post-processed to remove morphing artifacts. The images are also printed and scanned to remove all digital cues and to simulate a realistic challenge for MAD algorithms. Further, we present a new online evaluation platform to test algorithms on sequestered data. With the platform we can benchmark the morph detection performance and study the generalization ability. This work also presents a detailed analysis on various subsets of sequestered data and outlines open challenges for future directions in MAD research.
• Abstract（参考訳）: モルフィング攻撃は顔認識システム(FRS)に深刻な脅威をもたらしている。 最近の研究で報告された進歩の数にもかかわらず、我々は独立ベンチマーク、一般化可能性の課題、年齢、性別、民族性に対する考慮といった深刻なオープン問題に注目する。 モーフィング攻撃検出(MAD)アルゴリズムは、データベースに依存しているため、しばしば一般化の課題となる。 既存のデータベースは、主に半公的な性質で、民族性、様々な形態形成プロセス、後処理パイプラインの多様性が欠如している。 さらに、自動境界制御(abc)のための現実的な運用シナリオを反映しておらず、アルゴリズムの堅牢性を評価するために、見えないデータでmadをテストする基盤を提供していない。 そこで本研究では,madの進歩を促進するために,アルゴリズムを未発見のデータでテストし,より汎用化するための新たなデータセットを提案する。 新たに構築されたデータセットは、さまざまな民族、年齢グループ、両方の性別から150人の被験者の顔画像で構成されている。 既存のMADアルゴリズムに挑戦するために、モルヒネ画像は、コントリビューション画像から作成された慎重に被写体選択を行い、さらに後処理して、モルヒネを除去する。 画像は印刷されスキャンされ、すべてのデジタル手がかりを取り除き、マッドアルゴリズムの現実的な挑戦をシミュレートする。 さらに,シークエンスデータに基づくアルゴリズムのテストを行うオンライン評価プラットフォームを提案する。 このプラットフォームでは、形態検出性能をベンチマークし、一般化能力を研究することができる。 本研究は,各種データサブセットの詳細な分析を行い,今後のMAD研究の課題について概説する。

関連論文リスト

• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Free-ATM: Exploring Unsupervised Learning on Diffusion-Generated Images with Free Attention Masks [64.67735676127208]
  テキストと画像の拡散モデルは、画像認識の恩恵を受ける大きな可能性を示している。 有望ではあるが、拡散生成画像の教師なし学習に特化した調査は不十分である。 上記フリーアテンションマスクをフル活用することで、カスタマイズされたソリューションを導入する。
  論文  参考訳（メタデータ） (2023-08-13T10:07:46Z)
• IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
  画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。 統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。 7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
  論文  参考訳（メタデータ） (2023-01-31T01:24:45Z)
• Fusion-based Few-Shot Morphing Attack Detection and Fingerprinting [37.161842673434705]
  顔認識システムは、モーフィング攻撃に弱い。 既存のモーフィング攻撃検出手法の多くは、大量のトレーニングデータを必要としており、いくつかの事前定義された攻撃モデルでのみテストされている。 我々は,MADを教師付き学習から少数ショット学習へ,バイナリ検出からマルチクラスフィンガープリントへ拡張することを提案する。
  論文  参考訳（メタデータ） (2022-10-27T14:46:53Z)
• Face Morphing Attack Detection Using Privacy-Aware Training Data [0.991629944808926]
  顔の形をした画像は、顔認識ベースのセキュリティシステムに深刻な脅威をもたらす。 現代の検出アルゴリズムは、実際の人物の認証画像を用いて、このような形態的攻撃を識別する。 このアプローチは、さまざまなプライバシー上の懸念を提起し、公開されているトレーニングデータの量を制限する。
  論文  参考訳（メタデータ） (2022-07-02T19:00:48Z)
• Algorithmic Fairness in Face Morphing Attack Detection [12.031583036177386]
  顔形態素攻撃検出(MAD)技術は近年,このような攻撃を抑え,形態素攻撃のリスクを軽減するために開発されている。 MADアルゴリズムは、異なる民族起源の被験者のイメージを平等に扱い、非差別的な結果を与えるべきである。 有望なMADアルゴリズムは堅牢性のためにテストされているが、様々な民族に対する彼らの振る舞いを包括的にベンチマークする研究は行われていない。
  論文  参考訳（メタデータ） (2021-11-23T19:16:04Z)
• Meta Adversarial Perturbations [66.43754467275967]
  メタ逆境摂動(MAP)の存在を示す。 MAPは1段階の上昇勾配更新によって更新された後、自然画像を高い確率で誤分類する。 これらの摂動は画像に依存しないだけでなく、モデルに依存しないものであり、単一の摂動は見えないデータポイントと異なるニューラルネットワークアーキテクチャにまたがってうまく一般化される。
  論文  参考訳（メタデータ） (2021-11-19T16:01:45Z)
• PW-MAD: Pixel-wise Supervision for Generalized Face Morphing Attack Detection [6.24950085812444]
  顔変形攻撃画像は複数のアイデンティティに検証できるため、境界チェックのようなアイデンティティ検証に基づくプロセスに対する大きな脆弱性となる。 しかし、顔の変形を検知する様々な方法が提案されているが、予期せぬ後変態過程への一般化性は低い。 主要なポストモーフィングプロセスは、パスポートやID文書を発行する際、多くの国で実施される印刷およびスキャン操作である。
  論文  参考訳（メタデータ） (2021-08-23T17:04:51Z)
• 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)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)

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。