論文の概要: Revisiting Pixel-Wise Supervision for Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2011.12032v1
• Date: Tue, 24 Nov 2020 11:25:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 13:39:02.648715
• Title: Revisiting Pixel-Wise Supervision for Face Anti-Spoofing
• Title（参考訳）: 顔アンチスプーフィングのためのPixel-Wiseスーパービジョンの再検討
• Authors: Zitong Yu, Xiaobai Li, Jingang Shi, Zhaoqiang Xia, Guoying Zhao
• Abstract要約: 対面防止(FAS)は、提示攻撃(PA)から顔認識システムを保護する上で重要な役割を担っている 伝統的に、二分損失によって教師される深いモデルは、本質的および差別的なスプーフィングパターンを記述するのに弱い。 近年、よりきめ細かいピクセル/パッチレベルのキューを提供することを目的として、FASタスクに対してピクセル単位での監視が提案されている。
• 参考スコア（独自算出の注目度）: 75.89648108213773
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face anti-spoofing (FAS) plays a vital role in securing face recognition systems from the presentation attacks (PAs). As more and more realistic PAs with novel types spring up, it is necessary to develop robust algorithms for detecting unknown attacks even in unseen scenarios. However, deep models supervised by traditional binary loss (e.g., `0' for bonafide vs. `1' for PAs) are weak in describing intrinsic and discriminative spoofing patterns. Recently, pixel-wise supervision has been proposed for the FAS task, intending to provide more fine-grained pixel/patch-level cues. In this paper, we firstly give a comprehensive review and analysis about the existing pixel-wise supervision methods for FAS. Then we propose a novel pyramid supervision, which guides deep models to learn both local details and global semantics from multi-scale spatial context. Extensive experiments are performed on five FAS benchmark datasets to show that, without bells and whistles, the proposed pyramid supervision could not only improve the performance beyond existing pixel-wise supervision frameworks, but also enhance the model's interpretability (i.e., locating the patch-level positions of PAs more reasonably). Furthermore, elaborate studies are conducted for exploring the efficacy of different architecture configurations with two kinds of pixel-wise supervisions (binary mask and depth map supervisions), which provides inspirable insights for future architecture/supervision design.
• Abstract（参考訳）: 対面防止(FAS)は、提示攻撃(PA)から顔認識システムを保護する上で重要な役割を果たす。 新たなタイプのpasが出現するにつれ、未知のシナリオでも未知の攻撃を検出するためのロバストなアルゴリズムを開発する必要がある。 しかし、伝統的な二項損失(例えば、ボナフィドの `0' とパスの `1' )によって監督される深いモデルは、内在的および判別的スプーフィングパターンを記述する上で弱い。 近年、よりきめ細かいピクセル/パッチレベルのキューを提供することを目的として、FASタスクに対する画素単位の監視が提案されている。 本稿では、まず、FASの既存の画素単位の監視方法に関する総合的なレビューと分析を行う。 そこで我々は,広域空間文脈から局所的詳細と大域的意味論の両方を学ぶために,深層モデルの指導を行う新しいピラミッド監視手法を提案する。 5つのfasベンチマークデータセットで広範な実験が行われ、ベルとホイッスルがなければ、提案されたピラミッド監督は、既存のピクセル単位の監視フレームワークを超えてパフォーマンスを向上させるだけでなく、モデルの解釈性(pasのパッチレベル位置をより合理的に特定する)も向上できることを示した。 さらに,2種類の画素単位の監視 (バイナリマスクと深度マップの監視) を用いて,異なるアーキテクチャ構成の有効性を探索し,今後のアーキテクチャ・スーパービジョン設計における実証可能な洞察を提供する。

関連論文リスト

• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Fiducial Focus Augmentation for Facial Landmark Detection [4.433764381081446]
  本稿では,モデルによる顔構造理解を高めるために,新しい画像強調手法を提案する。 我々は,Deep Canonical correlation Analysis (DCCA) に基づく損失を考慮した,シームズアーキテクチャに基づくトレーニング機構を採用している。 提案手法は,様々なベンチマークデータセットにおいて,最先端のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2024-02-23T01:34:00Z)
• Contrastive Pseudo Learning for Open-World DeepFake Attribution [67.58954345538547]
  オープンワールド・ディープフェイク (OW-DFA) と呼ばれる新しいベンチマークを導入する。 OW-DFAタスクにおけるコントラスト擬似学習(Contrastive Pseudo Learning, CPL)と呼ばれる新しいフレームワークを提案する。1)グローバル・ローカル投票モジュールを導入し、異なる操作領域の偽顔の特徴的アライメントを誘導し、2)信頼に基づくソフト擬似ラベル戦略を設計し、類似の手法による非ラベル集合における擬似雑音の軽減を図る。
  論文  参考訳（メタデータ） (2023-09-20T08:29:22Z)
• Enhancing Mobile Face Anti-Spoofing: A Robust Framework for Diverse Attack Types under Screen Flash [6.870705319423985]
  顔認証システムを確保するためには、顔の偽造防止(FAS)が不可欠である。 ATR-FASと呼ばれる軽フラッシュ下での攻撃型頑健な対面防止フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-29T14:41:40Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• A Closer Look at Geometric Temporal Dynamics for Face Anti-Spoofing [13.725319422213623]
  顔認識システムにはFAS(face anti-spoofing)が不可欠である。 本稿では,通常動作と異常動作を区別するGeometry-Aware Interaction Network (GAIN)を提案する。 提案手法は,標準内部およびクロスデータセット評価における最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-25T18:59:52Z)
• DPF: Learning Dense Prediction Fields with Weak Supervision [4.843068133224435]
  我々は,高密度予測場 (DPF) と呼ばれる点座標クエリの予測を行う新しいパラダイムを提案する。 DPFは連続したサブピクセル位置に対して表現的な中間特徴を生成し、任意の解像度の出力を可能にする。 高レベル意味解析と低レベル固有画像分解の2つのタスクを用いてDPFの有効性を示す。
  論文  参考訳（メタデータ） (2023-03-29T17:58:33Z)
• 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)
• Consistency Regularization for Deep Face Anti-Spoofing [69.70647782777051]
  顔認証システムでは、顔認証(FAS)が重要な役割を担っている。 このエキサイティングな観察によって、異なる視点の特徴整合性を促進することが、FASモデルを促進するための有望な方法かもしれないと推測する。 FASにおけるEPCR(Embeddding-level and Prediction-level Consistency Regularization)とEPCR(Embeddding-level Consistency Regularization)を併用した。
  論文  参考訳（メタデータ） (2021-11-24T08:03:48Z)

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。