論文の概要: Suppressing Spoof-irrelevant Factors for Domain-agnostic Face Anti-spoofing

• arxiv url: http://arxiv.org/abs/2012.01271v1
• Date: Wed, 2 Dec 2020 15:27:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 03:57:05.005899
• Title: Suppressing Spoof-irrelevant Factors for Domain-agnostic Face Anti-spoofing
• Title（参考訳）: ドメイン非依存的フェイスアンチスプーフィングにおけるspoof-irrelevant factorの抑制
• Authors: Taewook Kim and Yonghyun Kim
• Abstract要約: Face-Spoofingは、顔認識システムの誤認証を防ぐことを目的としている。 本稿では,ドメインに依存しない顔の偽造防止のためのDASN(Doubly Adversarial Suppression Network)という新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 13.833241949666325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing aims to prevent false authentications of face recognition systems by distinguishing whether an image is originated from a human face or a spoof medium. We propose a novel method called Doubly Adversarial Suppression Network (DASN) for domain-agnostic face anti-spoofing; DASN improves the generalization ability to unseen domains by learning to effectively suppress spoof-irrelevant factors (SiFs) (e.g., camera sensors, illuminations). To achieve our goal, we introduce two types of adversarial learning schemes. In the first adversarial learning scheme, multiple SiFs are suppressed by deploying multiple discrimination heads that are trained against an encoder. In the second adversarial learning scheme, each of the discrimination heads is also adversarially trained to suppress a spoof factor, and the group of the secondary spoof classifier and the encoder aims to intensify the spoof factor by overcoming the suppression. We evaluate the proposed method on four public benchmark datasets, and achieve remarkable evaluation results. The results demonstrate the effectiveness of the proposed method.
• Abstract（参考訳）: face anti-spoofingは、画像が人間の顔またはスプーフメディアに由来するかどうかを識別することで、顔認識システムの誤認証を防止することを目的としている。 dasnは,sifs(spoof-irrelevant factor)を効果的に抑制すること(カメラセンサ,イルミネーションなど)を学習することにより,非知覚領域の一般化能力を向上させる。 目的を達成するために,2種類の逆学習方式を導入する。 第1逆学習方式では、エンコーダに対して訓練された複数の識別ヘッドを配置することにより、複数のSiFを抑制する。 第2のadversarial learningスキームでは、各識別ヘッドを逆に訓練してspoof因子を抑制させ、二次spoof分類器とエンコーダのグループは、抑制を克服してspoof因子を増強することを目指している。 提案手法を4つの公開ベンチマークデータセット上で評価し,優れた評価結果を得た。 その結果,提案手法の有効性が示された。

関連論文リスト

• Hyp-OC: Hyperbolic One Class Classification for Face Anti-Spoofing [30.6907043124415]
  顔認識システムは偽造攻撃に対して脆弱であり、容易に回避できる。 フェース・アンチ・スプーフィング (FAS) の最も古い研究は、これを二段階の分類タスクとしてアプローチした。 本研究では,一級視点から顔の偽造防止タスクを再構築し,新しい双曲型一級分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-22T17:59:18Z)
• 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)
• Towards an Accurate and Secure Detector against Adversarial Perturbations [58.02078078305753]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然・人工データの識別的分解を通じて、敵対的なパターンを検出する。 本研究では,秘密鍵を用いた空間周波数判別分解に基づく,高精度かつセキュアな対向検波器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• 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)
• Low-Mid Adversarial Perturbation against Unauthorized Face Recognition System [20.979192130022334]
  エンブロー周波数対向摂動(LFAP)と呼ばれる新しい解法を提案する。 この手法は、逆トレーニングにより低周波特性を利用するようにソースモデルに条件付けする。 また,中周波成分を付加的利益のために組み込んだ改良型エンフェロー中周波対向摂動(LMFAP)も導入した。
  論文  参考訳（メタデータ） (2022-06-19T14:15:49Z)
• 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)
• 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)
• Spoof Face Detection Via Semi-Supervised Adversarial Training [34.99908561729825]
  顔の偽造は、顔認識システムに深刻なセキュリティ上の脅威を引き起こす。 本研究では,スプーフ顔検出のための半教師付き対向学習フレームワークを提案する。 われわれのアプローチは、スプーフの面がないため、様々な種類のスプーフ、さらには未知のスプーフに対して、堅牢で一般的なものである。
  論文  参考訳（メタデータ） (2020-05-22T04:32:33Z)
• Towards Transferable Adversarial Attack against Deep Face Recognition [58.07786010689529]
  ディープ畳み込みニューラルネットワーク(DCNN)は敵の例に弱いことが判明した。 転送可能な敵の例は、DCNNの堅牢性を著しく妨げます。 DFANetは畳み込み層で使用されるドロップアウトベースの手法であり,サロゲートモデルの多様性を高めることができる。 クエリなしで4つの商用APIをうまく攻撃できる新しい対向顔ペアを生成します。
  論文  参考訳（メタデータ） (2020-04-13T06:44:33Z)
• 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。