論文の概要: CelebA-Spoof: Large-Scale Face Anti-Spoofing Dataset with Rich Annotations

• arxiv url: http://arxiv.org/abs/2007.12342v3
• Date: Sat, 1 Aug 2020 07:16:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 06:50:26.296141
• Title: CelebA-Spoof: Large-Scale Face Anti-Spoofing Dataset with Rich Annotations
• Title（参考訳）: CelebA-Spoof: リッチアノテーション付き大規模顔アンチスプーフデータセット
• Authors: Yuanhan Zhang, Zhenfei Yin, Yidong Li, Guojun Yin, Junjie Yan, Jing Shao, and Ziwei Liu
• Abstract要約: CelebA-Spoofは大規模な顔アンチスプーフデータセットである。 10,177人の被験者の625,537枚の写真が含まれており、既存のデータセットよりもかなり大きい。 10のspoof型アノテーションと、オリジナルのCelebAデータセットから継承された40の属性アノテーションが含まれている。
• 参考スコア（独自算出の注目度）: 85.14435479181894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As facial interaction systems are prevalently deployed, security and reliability of these systems become a critical issue, with substantial research efforts devoted. Among them, face anti-spoofing emerges as an important area, whose objective is to identify whether a presented face is live or spoof. Though promising progress has been achieved, existing works still have difficulty in handling complex spoof attacks and generalizing to real-world scenarios. The main reason is that current face anti-spoofing datasets are limited in both quantity and diversity. To overcome these obstacles, we contribute a large-scale face anti-spoofing dataset, CelebA-Spoof, with the following appealing properties: 1) Quantity: CelebA-Spoof comprises of 625,537 pictures of 10,177 subjects, significantly larger than the existing datasets. 2) Diversity: The spoof images are captured from 8 scenes (2 environments * 4 illumination conditions) with more than 10 sensors. 3) Annotation Richness: CelebA-Spoof contains 10 spoof type annotations, as well as the 40 attribute annotations inherited from the original CelebA dataset. Equipped with CelebA-Spoof, we carefully benchmark existing methods in a unified multi-task framework, Auxiliary Information Embedding Network (AENet), and reveal several valuable observations.
• Abstract（参考訳）: 顔とのインタラクションシステムが普及するにつれ、これらのシステムのセキュリティと信頼性は重要な問題となり、かなりの研究が費やされる。 そのうち、顔の偽造は重要な領域として現れ、その目的は提示された顔が生きているか偽造なのかを特定することである。 有望な進歩は達成されたが、既存の作品では複雑なspoof攻撃の処理や現実のシナリオへの一般化が困難である。 主な理由は、現在の対spoofingデータセットは量と多様性の両方に制限があるためである。 これらの障害を克服するために,大規模な対スプーフ対策データセットceleba-spoofに,次のような魅力を付与する。 1)量:celeba-spoofは10,177人の625,537枚の画像からなる。 2)多様性:スプーフ画像は10以上のセンサーで8つのシーン(2つの環境*4つの照明条件)から撮影される。 3) アノテーションのリッチ性: CelebA-Spoofには10のspoof型アノテーションと、オリジナルのCelebAデータセットから継承された40の属性アノテーションが含まれている。 CelebA-Spoof と組み合わせた統合マルチタスクフレームワークである Auxiliary Information Embedding Network (AENet) の既存手法を慎重にベンチマークし、いくつかの貴重な観測結果を明らかにする。

関連論文リスト

• Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
  顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。 制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
  論文  参考訳（メタデータ） (2023-04-12T10:29:42Z)
• 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)
• CelebA-Spoof Challenge 2020 on Face Anti-Spoofing: Methods and Results [52.037212630137304]
  CelebA-Spoofは、データと被験者の数の点で最大の顔のアンチスプーフィングデータセットです。 本稿では、CelebA-Spoof Challenge 2020 on Face AntiSpoofingの方法と結果を報告する。
  論文  参考訳（メタデータ） (2021-02-25T02:31:41Z)
• Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review [79.49390241265337]
  Chalearn Face Anti-Spoofing Detection Challengeは、シングルモーダル(例えば、RGB)とマルチモーダル(例えば、RGB、Depth、赤外線(IR))のトラックで構成されている。 本稿では,その設計,評価プロトコル,結果の概要など,課題の概要について述べる。
  論文  参考訳（メタデータ） (2020-04-23T06:43:08Z)
• 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。