論文の概要: Can Your Face Detector Do Anti-spoofing? Face Presentation Attack Detection with a Multi-Channel Face Detector

• arxiv url: http://arxiv.org/abs/2006.16836v2
• Date: Wed, 29 Jul 2020 09:14:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 05:56:58.779929
• Title: Can Your Face Detector Do Anti-spoofing? Face Presentation Attack Detection with a Multi-Channel Face Detector
• Title（参考訳）: 顔検出器は防汚できるのか? マルチチャネル顔検出器による顔提示アタック検出
• Authors: Anjith George and Sebastien Marcel
• Abstract要約: 我々は,顔検出装置のタスクを再編成し,実際の顔を検出することにより,提示攻撃の脅威を排除した。 提案システムは,個別の提示攻撃検出モジュールの必要性を回避した実顔検出システムとして利用することができる。 提案手法の有効性を示すため,様々な攻撃を含むマルチチャネルWMCAデータセットのアプローチを評価した。
• 参考スコア（独自算出の注目度）: 7.665392786787577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In a typical face recognition pipeline, the task of the face detector is to localize the face region. However, the face detector localizes regions that look like a face, irrespective of the liveliness of the face, which makes the entire system susceptible to presentation attacks. In this work, we try to reformulate the task of the face detector to detect real faces, thus eliminating the threat of presentation attacks. While this task could be challenging with visible spectrum images alone, we leverage the multi-channel information available from off the shelf devices (such as color, depth, and infrared channels) to design a multi-channel face detector. The proposed system can be used as a live-face detector obviating the need for a separate presentation attack detection module, making the system reliable in practice without any additional computational overhead. The main idea is to leverage a single-stage object detection framework, with a joint representation obtained from different channels for the PAD task. We have evaluated our approach in the multi-channel WMCA dataset containing a wide variety of attacks to show the effectiveness of the proposed framework.
• Abstract（参考訳）: 典型的な顔認識パイプラインでは、顔検出器のタスクは、顔領域をローカライズすることである。 しかし、顔検出器は顔の活気によらず、顔のように見える領域を位置決めするので、システム全体が提示攻撃の影響を受けやすい。 本研究では,顔検出装置のタスクを再構成して実際の顔を検出することにより,プレゼンテーション攻撃の脅威を排除する。 このタスクは可視光画像だけでは難しいかもしれませんが、色、深さ、赤外線チャンネルなどのオフシェルフデバイスから利用可能なマルチチャネル情報を利用して、マルチチャネル顔検出器を設計します。 提案システムは、別個のプレゼンテーション攻撃検出モジュールの必要性を回避し、計算オーバーヘッドを伴わずに実際にシステムに信頼性を持たせることができる。 主なアイデアは、PADタスクのために異なるチャネルから得られる共同表現で、単一ステージのオブジェクト検出フレームワークを活用することである。 我々は,提案フレームワークの有効性を示すために,多チャンネルwmcaデータセットにおいて,多種多様な攻撃を含む手法を評価した。

関連論文リスト

• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。 この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。 我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• 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)
• SHIELD : An Evaluation Benchmark for Face Spoofing and Forgery Detection with Multimodal Large Language Models [63.946809247201905]
  フェーススプーフィングと偽造検出におけるMLLMの能力を評価するための新しいベンチマーク、ShielDを導入する。 我々は、これらの2つの顔セキュリティタスクにおいて、マルチモーダル顔データを評価するために、真/偽/複数選択の質問を設計する。 その結果,MLLMは顔セキュリティ領域において大きな可能性を秘めていることがわかった。
  論文  参考訳（メタデータ） (2024-02-06T17:31:36Z)
• 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)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Watch Out for the Confusing Faces: Detecting Face Swapping with the Probability Distribution of Face Identification Models [37.49012763328351]
  顔識別確率分布に基づく顔交換検出手法を提案する。 IdP_FSDは、有限集合に属するスワップされた顔を検出するために特別に設計されている。 IdP_FSDは、顔交換に関わる2つの顔の同一性は、顔交換の共通性を利用する。
  論文  参考訳（メタデータ） (2023-03-23T09:33:10Z)
• Exploring Depth Information for Face Manipulation Detection [25.01910127502075]
  RGB顔画像からのパッチにより顔深度マップパッチを推定するための顔深度マップ変換器(FDMT)を提案する。 次に、推定された顔深度マップを、バックボーンの特徴と統合される補助情報とみなす。
  論文  参考訳（メタデータ） (2022-12-29T09:00:22Z)
• Understanding Cross Domain Presentation Attack Detection for Visible Face Recognition [6.383297609254719]
  サイズ、形状、テクスチャ、肌の色、目の色、外観、傷跡などの顔のシグネチャは、アクセス制御のための識別的生体情報として広く使われている。 顔認識システムへの プレゼンアタックは ますます洗練されつつあります 本稿では,赤外線画像からの情報をトレーニング中に活用して,視覚的提示攻撃検知システムの識別性を高める手法を提案する。
  論文  参考訳（メタデータ） (2021-11-03T22:25:45Z)
• Representative Forgery Mining for Fake Face Detection [52.896286647898386]
  ディテクタの精緻化と注目の拡大を導くための注意ベースのデータ拡張フレームワークを提案します。 提案手法は,トップnのセンシティブな顔領域を追跡し,検出者に対して,以前無視された領域にさらに深く掘り下げて,より代表的な偽造を行うように促す。
  論文  参考訳（メタデータ） (2021-04-14T03:24:19Z)

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。