論文の概要: Camera Invariant Feature Learning for Generalized Face Anti-spoofing

• arxiv url: http://arxiv.org/abs/2101.10075v1
• Date: Mon, 25 Jan 2021 13:40:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-14 19:21:32.506211
• Title: Camera Invariant Feature Learning for Generalized Face Anti-spoofing
• Title（参考訳）: 汎用顔アンチスプーフィングのためのカメラ不変特徴学習
• Authors: Baoliang Chen, Wenhan Yang, Haoliang Li, Shiqi Wang and Sam Kwong
• Abstract要約: 本稿では,特徴レベルの取得カメラから固有のばらつきの影響を排除したフレームワークについて述べる。 実験により、提案手法はデータセット内設定とデータセット間設定の両方でより良いパフォーマンスを達成できることが示された。
• 参考スコア（独自算出の注目度）: 95.30490139294136
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: There has been an increasing consensus in learning based face anti-spoofing that the divergence in terms of camera models is causing a large domain gap in real application scenarios. We describe a framework that eliminates the influence of inherent variance from acquisition cameras at the feature level, leading to the generalized face spoofing detection model that could be highly adaptive to different acquisition devices. In particular, the framework is composed of two branches. The first branch aims to learn the camera invariant spoofing features via feature level decomposition in the high frequency domain. Motivated by the fact that the spoofing features exist not only in the high frequency domain, in the second branch the discrimination capability of extracted spoofing features is further boosted from the enhanced image based on the recomposition of the high-frequency and low-frequency information. Finally, the classification results of the two branches are fused together by a weighting strategy. Experiments show that the proposed method can achieve better performance in both intra-dataset and cross-dataset settings, demonstrating the high generalization capability in various application scenarios.
• Abstract（参考訳）: 学習ベースのアンチスプーフィングでは、カメラモデルの相違が実際のアプリケーションシナリオに大きなドメインギャップをもたらしているというコンセンサスが高まっている。 本稿では,特徴レベルでの取得カメラからの固有ばらつきの影響を排除し,異なる取得デバイスに高度に適応可能な汎用的な顔スプーフィング検出モデルを実現するフレームワークについて述べる。 特に、フレームワークは2つのブランチで構成されている。 最初のブランチは、高周波領域における特徴レベルの分解を介してカメラ不変のスプーフィング機能を学ぶことを目的とする。 スプルーフィングの特徴が高周波領域にのみ存在するという事実に動機づけられて、第2ブランチでは、高周波および低周波情報の再構成に基づいて、抽出されたスポーフィング機能の識別能力を強化画像からさらに高める。 最後に、2つの枝の分類結果は重み付け戦略によって融合される。 実験では、提案手法がデータセット内設定とデータセット間設定の両方でより良いパフォーマンスを達成できることを示し、様々なアプリケーションシナリオで高い一般化能力を示す。

関連論文リスト

• Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues [81.76624469744198]
  我々は,HFC-MFFD (hierarchical Forgery for Multi-modality Face Forgery Detection) を提案する。 HFC-MFFDは、マルチモーダルシナリオにおけるフォージェリー認証を強化するために、堅牢なパッチベースのハイブリッド表現を学習する。 クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層的な顔偽造を提案する。
  論文  参考訳（メタデータ） (2022-12-30T10:54:29Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• Regularity Learning via Explicit Distribution Modeling for Skeletal Video Anomaly Detection [43.004613173363566]
  確率的視点からポーズ動作表現を提供するために,新しい動き埋め込み (ME) を提案する。 タスク固有の空間時間変換器(STT)を自己教師型ポーズシーケンス再構築のために配置する。 MoPRLは、いくつかの挑戦的なデータセットに対して平均4.7%のAUCの改善によって最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-12-07T11:52:25Z)
• 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)
• Dual-Camera Super-Resolution with Aligned Attention Modules [56.54073689003269]
  デュアルカメラ・スーパーレゾリューション(DCSR)に着目したレファレンスベース・スーパーレゾリューション(RefSR)への新しいアプローチを提案する。 提案手法は,空間アライメント操作と標準パッチベースの特徴マッチングを一般化する。 実世界の画像とトレーニング画像の領域ギャップを埋めるために,自己監督型領域適応戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-03T07:17:31Z)
• Hierarchical Convolutional Neural Network with Feature Preservation and Autotuned Thresholding for Crack Detection [5.735035463793008]
  ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。 本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。 提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
  論文  参考訳（メタデータ） (2021-04-21T13:07:58Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Understanding Anomaly Detection with Deep Invertible Networks through Hierarchies of Distributions and Features [4.25227087152716]
  畳み込みネットワークは、任意の自然言語データセットでトレーニングされた場合、同様の低レベルの特徴分布を学習する。 inlier とoutlier の識別的特徴が高いレベルにある場合、異常検出は特に困難になる。 モデルバイアスとドメインが高レベルの差を検出する前に負の影響を除去する2つの方法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T20:56:14Z)

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。