論文の概要: Multi-Modal Fingerprint Presentation Attack Detection: Evaluation On A New Dataset

• arxiv url: http://arxiv.org/abs/2006.07498v2
• Date: Tue, 16 Jun 2020 08:09:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 04:10:33.690104
• Title: Multi-Modal Fingerprint Presentation Attack Detection: Evaluation On A New Dataset
• Title（参考訳）: マルチモーダルフィンガープリント提示検出:新しいデータセットによる評価
• Authors: Leonidas Spinoulas, Hengameh Mirzaalian, Mohamed Hussein, and Wael AbdAlmageed
• Abstract要約: フィンガープリントによるプレゼンテーション攻撃の検出は、ますます困難な問題になりつつある。 本研究は,最近導入された複数のセンサ・モダリティの有用性について考察する。 完全畳み込み型ディープニューラルネットワークフレームワークを用いて包括的解析を行った。
• 参考スコア（独自算出の注目度）: 9.783887684870654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fingerprint presentation attack detection is becoming an increasingly challenging problem due to the continuous advancement of attack preparation techniques, which generate realistic-looking fake fingerprint presentations. In this work, rather than relying on legacy fingerprint images, which are widely used in the community, we study the usefulness of multiple recently introduced sensing modalities. Our study covers front-illumination imaging using short-wave-infrared, near-infrared, and laser illumination; and back-illumination imaging using near-infrared light. Toward studying the effectiveness of each of these unconventional sensing modalities and their fusion for liveness detection, we conducted a comprehensive analysis using a fully convolutional deep neural network framework. Our evaluation compares different combination of the new sensing modalities to legacy data from one of our collections as well as the public LivDet2015 dataset, showing the superiority of the new sensing modalities in most cases. It also covers the cases of known and unknown attacks and the cases of intra-dataset and inter-dataset evaluations. Our results indicate that the power of our approach stems from the nature of the captured data rather than the employed classification framework, which justifies the extra cost for hardware-based (or hybrid) solutions. We plan to publicly release one of our dataset collections.
• Abstract（参考訳）: 指紋提示攻撃検出は、現実的な偽指紋提示を生成する攻撃準備技術の継続的な進歩により、ますます困難になっている。 本研究は,コミュニティで広く利用されている古い指紋画像に頼るのではなく,最近導入された複数のセンシングモダリティの有用性について検討する。 本研究では,近赤外,近赤外,レーザー照明を用いたフロントイルミネーションイメージングと近赤外光を用いたバックイルミネーションイメージングについて述べる。 これらの非従来型センシングモードとそれらの融合による生体検出の有効性について検討するため,完全畳み込み型ディープニューラルネットワークフレームワークを用いた包括的解析を行った。 評価では,新たなセンサ・モダリティと,コレクションの1つと公開LivDet2015データセットからのレガシデータとの異なる組み合わせを比較し,ほとんどの場合において新しいセンサ・モダリティの優位性を示す。 また、既知の、未知の攻撃の事例と、データセット内およびデータセット間評価の事例についても触れる。 以上の結果から,本手法のパワーは,ハードウェアベースの(あるいはハイブリッドな)ソリューションに要する余分なコストを正当化する,採用する分類フレームワークではなく,取得したデータの性質に起因していることが示唆された。 データセットコレクションの1つを公開する予定です。

関連論文リスト

• Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
  Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。 CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
  論文  参考訳（メタデータ） (2024-07-29T18:00:10Z)
• Deepfake Sentry: Harnessing Ensemble Intelligence for Resilient Detection and Generalisation [0.8796261172196743]
  本稿では,持続的かつ積極的なディープフェイクトレーニング強化ソリューションを提案する。 我々は、ディープフェイクジェネレータモデルによって導入されたアーティファクトの効果を模倣するオートエンコーダのプールを採用する。 実験の結果,提案するアンサンブル・オートエンコーダに基づくデータ拡張学習手法が一般化の点で改善されていることがわかった。
  論文  参考訳（メタデータ） (2024-03-29T19:09:08Z)
• GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
  フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。 公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。 我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
  論文  参考訳（メタデータ） (2024-02-03T03:13:50Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
  顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。 これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2021-09-21T16:18:45Z)
• Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
  ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。 本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。 種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
  論文  参考訳（メタデータ） (2021-05-29T21:22:24Z)
• Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
  データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。 Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。 実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-21T19:08:23Z)
• Deep Models and Shortwave Infrared Information to Detect Face Presentation Attacks [6.684752451476642]
  畳み込みニューラルネットワークに基づく最近のモデルを用いて顔提示攻撃検出を行う。 実験は、様々な種類の攻撃を含む、新しいパブリックで無償のデータベースで実施されている。
  論文  参考訳（メタデータ） (2020-07-22T14:41:14Z)

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。