論文の概要: On Disentangling Spoof Trace for Generic Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2007.09273v1
• Date: Fri, 17 Jul 2020 23:14:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 14:33:19.356235
• Title: On Disentangling Spoof Trace for Generic Face Anti-Spoofing
• Title（参考訳）: スプーフィング防止のためのスプーフィング・スプーフィング・トレースについて
• Authors: Yaojie Liu, Joel Stehouwer, Xiaoming Liu
• Abstract要約: 偽造防止の鍵は「偽造痕跡」と呼ばれる微妙なイメージパターンにある 本研究は,スプーフトレースを入力面から切り離すための,新たな逆学習フレームワークを設計する。
• 参考スコア（独自算出の注目度）: 24.75975874643976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior studies show that the key to face anti-spoofing lies in the subtle image pattern, termed "spoof trace", e.g., color distortion, 3D mask edge, Moire pattern, and many others. Designing a generic anti-spoofing model to estimate those spoof traces can improve not only the generalization of the spoof detection, but also the interpretability of the model's decision. Yet, this is a challenging task due to the diversity of spoof types and the lack of ground truth in spoof traces. This work designs a novel adversarial learning framework to disentangle the spoof traces from input faces as a hierarchical combination of patterns at multiple scales. With the disentangled spoof traces, we unveil the live counterpart of the original spoof face, and further synthesize realistic new spoof faces after a proper geometric correction. Our method demonstrates superior spoof detection performance on both seen and unseen spoof scenarios while providing visually convincing estimation of spoof traces. Code is available at https://github.com/yaojieliu/ECCV20-STDN.
• Abstract（参考訳）: 以前の研究では、スプーフ防止の鍵は「スプーフトレース」と呼ばれる微妙な画像パターン、例えば色歪、3dマスクエッジ、モワールパターンなどにあることが示されている。 これらのspoofトレースを推定するための汎用的なアンチスプーフィングモデルの設計は、spoof検出の一般化だけでなく、モデルの決定の解釈可能性も改善することができる。 しかし、これはspoof型の多様性とspoofトレースにおける基底的真理の欠如のため、難しい課題である。 本研究は,複数スケールのパターンの階層的な組み合わせとして,入力面からスプーフトレースをアンタングルする,新たな逆学習フレームワークを設計する。 歪んだスプーフ跡から、元のスプーフの生顔を明らかにし、適切な幾何補正後の現実的な新しいスプーフの顔をさらに合成する。 本手法は,spoofトレースの視覚的に説得力のある推定を行いつつ,spoof検出性能の向上を示す。 コードはhttps://github.com/yaojieliu/ECCV20-STDNで入手できる。

関連論文リスト

• Spoof Diarization: "What Spoofed When" in Partially Spoofed Audio [35.485350559012645]
  本稿では,部分的スポフ(PS)シナリオにおける新しいタスクとして,スポフダイアリゼーションを定義する。 異なるスプーフ手法に従って、スプーフ領域の配置とクラスタ化を含む、スプーフがいつ何になったかを決定することを目的としている。
  論文  参考訳（メタデータ） (2024-06-12T02:23:57Z)
• 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)
• 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)
• Learning Polysemantic Spoof Trace: A Multi-Modal Disentanglement Network for Face Anti-spoofing [34.44061534596512]
  本稿では,より正確で堅牢な汎用攻撃検出のために,多面的スプーフトレースをターゲットとしたマルチモーダル・アンタングルモデルを提案する。 特に、対角学習機構に基づいて、RGBと深度入力からそれぞれスプーフパターンを推定する2ストリームディエンタングリングネットワークを設計する。
  論文  参考訳（メタデータ） (2022-12-07T20:23:51Z)
• 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)
• Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
  顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。 以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。 キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-04-28T09:35:48Z)
• Physics-Guided Spoof Trace Disentanglement for Generic Face Anti-Spoofing [26.389969978817042]
  偽造防止の鍵は「偽造痕跡」と呼ばれる微妙なイメージパターンにある 本研究では,スプーフの顔がスプーフの痕跡と実物に絡み合うような,新たな逆学習フレームワークを設計する。
  論文  参考訳（メタデータ） (2020-12-09T17:22:44Z)
• Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
  異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。 本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。 提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
  論文  参考訳（メタデータ） (2020-07-11T21:20:55Z)
• Look Locally Infer Globally: A Generalizable Face Anti-Spoofing Approach [53.86588268914105]
  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。
  論文  参考訳（メタデータ） (2020-06-04T13:11:17Z)
• 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)
• Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
  深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。 2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。 提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-03-18T06:11:20Z)

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。