論文の概要: Use of in-the-wild images for anomaly detection in face anti-spoofing

• arxiv url: http://arxiv.org/abs/2006.10626v1
• Date: Thu, 18 Jun 2020 15:49:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-19 10:00:24.933488
• Title: Use of in-the-wild images for anomaly detection in face anti-spoofing
• Title（参考訳）: in-the-wild image を用いた抗スプーフィングの異常検出
• Authors: Latifah Abduh and Ioannis Ivrissimtzis
• Abstract要約: 一級分類問題として反偽造に近づいた異常検出は、ますます人気が高まっている代替手法として現れつつある。 そこで本研究では,非特殊化顔データベースの画像を用いた顔アンチ・スプーフィングのための一級分類器の訓練について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The traditional approach to face anti-spoofing sees it as a binary classification problem, and binary classifiers are trained and validated on specialized anti-spoofing databases. One of the drawbacks of this approach is that, due to the variability of face spoofing attacks, environmental factors, and the typically small sample size, such classifiers do not generalize well to previously unseen databases. Anomaly detection, which approaches face anti-spoofing as a one-class classification problem, is emerging as an increasingly popular alternative approach. Nevertheless, in all existing work on anomaly detection for face anti-spoofing, the proposed training protocols utilize images from specialized anti-spoofing databases only, even though only common images of real faces are needed. Here, we explore the use of in-the-wild images, and images from non-specialized face databases, to train one-class classifiers for face anti-spoofing. Employing a well-established technique, we train a convolutional autoencoder on real faces and compare the reconstruction error of the input against a threshold to classify a face image accordingly as either client or imposter. Our results show that the inclusion in the training set of in-the-wild images increases the discriminating power of the classifier significantly on an unseen database, as evidenced by a large increase in the value of the Area Under the Curve. In a limitation of our approach, we note that the problem of finding a suitable operating point on the unseen database remains a challenge, as evidenced by the values of the Half Total Error Rate.
• Abstract（参考訳）: 従来のアンチスプーフィングのアプローチでは、バイナリ分類の問題と見なされており、バイナリ分類器は特別なアンチスプーフィングデータベース上でトレーニングされ検証される。 このアプローチの欠点の1つは、顔のスプーフィング攻撃の変動性、環境要因、そして通常、サンプルサイズが小さいため、そのような分類器は、以前目にしたことのないデータベースにうまく一般化できないことである。 一級分類問題として反偽造に近づいた異常検出は、ますます一般的な代替手法として現れつつある。 それにもかかわらず、顔アンチスプーフィングの異常検出に関する既存のすべての研究において、提案したトレーニングプロトコルは、実際の顔の共通画像しか必要とせず、特殊なアンチスプーフィングデータベースの画像のみを利用する。 そこで本研究では,非特殊化顔データベースの画像を用いた顔アンチスプーフィングのための一級分類器の訓練について検討する。 確立された手法を用いて,実顔上で畳み込みオートエンコーダを訓練し,入力の再構成誤差を閾値と比較し,クライアントまたはインポスタとして顔画像を分類する。 以上の結果から,インザ・ワイルド画像の訓練セットへの包含は,曲線下の領域の値の増大によって示されるように,見当たらないデータベース上での分類器の識別力を著しく向上させることが示された。 提案手法の限界として、半総誤差率の値から証明されるように、未確認データベース上の適切な動作点を見つける問題は依然として課題である。

関連論文リスト

• Semantic Contextualization of Face Forgery: A New Definition, Dataset, and Detection Method [77.65459419417533]
  我々は,顔フォージェリを意味的文脈に配置し,意味的顔属性を変更する計算手法が顔フォージェリの源であることを定義した。 階層的なグラフで整理されたラベルの集合に各画像が関連付けられている大規模な顔偽画像データセットを構築した。 本稿では,ラベル関係を捕捉し,その優先課題を優先するセマンティクス指向の顔偽造検出手法を提案する。
  論文  参考訳（メタデータ） (2024-05-14T10:24:19Z)
• 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)
• 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)
• Detecting Adversarial Faces Using Only Real Face Self-Perturbations [36.26178169550577]
  アドリアックは、入力サンプルに特定のノイズを加えることで、ターゲットシステムの機能を妨害することを目的としている。 既存の防御技術は、特定の対向顔(adv-faces)の検出において高い精度を達成する 全く異なるノイズパターンを持つ新しい攻撃方法、特にGANベースの攻撃は、それらを回避し、より高い攻撃成功率に達する。
  論文  参考訳（メタデータ） (2023-04-22T09:55:48Z)
• Learning Facial Liveness Representation for Domain Generalized Face Anti-spoofing [25.07432145233952]
  Face Anti-Spoofing (FAS) は、顔のスプーフ攻撃と本物とを区別することを目的としている。 スプーフ攻撃の種類が事前に知られていると仮定するのは現実的ではない。 本稿では、前述のドメイン一般化顔偽造防止タスクに対処する深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-08-16T16:13:24Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• Exploring Frequency Adversarial Attacks for Face Forgery Detection [59.10415109589605]
  フェースフォージェリ検出器に対する周波数対向攻撃法を提案する。 また,メタラーニングの概念に触発されて,空間領域と周波数領域の両方で攻撃を行うハイブリッド逆攻撃を提案する。
  論文  参考訳（メタデータ） (2022-03-29T15:34:13Z)
• Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
  顔認識システムのセキュリティには、顔の偽造が不可欠だ。 本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:54:23Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)
• Detecting Patch Adversarial Attacks with Image Residuals [9.169947558498535]
  識別器は、クリーンサンプルと逆サンプルを区別するために訓練される。 得られた残基が敵攻撃のデジタル指紋として機能することを示す。 その結果,提案手法は従来見つからなかった,より強力な攻撃に対して一般化可能であることがわかった。
  論文  参考訳（メタデータ） (2020-02-28T01:28:22Z)

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。