論文の概要: Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System
- arxiv url: http://arxiv.org/abs/2102.00713v1
- Date: Mon, 1 Feb 2021 09:17:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-02 16:29:34.304233
- Title: Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System
- Title(参考訳): オーロラガード:モバイル照明システムを介して信頼できる顔アンチスプーフィング
- Authors: Jian Zhang, Ying Tai, Taiping Yao, Jia Meng, Shouhong Ding, Chengjie
Wang, Jilin Li, Feiyue Huang, Rongrong Ji
- Abstract要約: 紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。
オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
- 参考スコア(独自算出の注目度): 103.5604680001633
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face authentication on mobile end has been widely applied in various
scenarios. Despite the increasing reliability of cutting-edge face
authentication/verification systems to variations like blinking eye and subtle
facial expression, anti-spoofing against high-resolution rendering replay of
paper photos or digital videos retains as an open problem. In this paper, we
propose a simple yet effective face anti-spoofing system, termed Aurora Guard
(AG). Our system firstly extracts the normal cues via light reflection
analysis, and then adopts an end-to-end trainable multi-task Convolutional
Neural Network (CNN) to accurately recover subjects' intrinsic depth and
material map to assist liveness classification, along with the light CAPTCHA
checking mechanism in the regression branch to further improve the system
reliability. Experiments on public Replay-Attack and CASIA datasets demonstrate
the merits of our proposed method over the state-of-the-arts. We also conduct
extensive experiments on a large-scale dataset containing 12,000 live and
diverse spoofing samples, which further validates the generalization ability of
our method in the wild.
- Abstract(参考訳): モバイル端末での顔認証は様々なシナリオで広く適用されている。
瞬き目や微妙な表情など、最先端の顔認証/検証システムの信頼性は高まっているが、紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、オープンな問題として残る。
本稿では,オーロラガード(Aurora Guard, AG)と呼ばれる簡易かつ効果的な顔保護システムを提案する。
提案システムはまず,まず光反射解析を用いて正常なキューを抽出し,さらに,本質的な深度と物質マップを精度良く復元する,エンドツーエンドのマルチタスク畳み込みニューラルネットワーク(CNN)と,回帰枝の光CAPTCHA検査機構を併用してシステムの信頼性を向上する。
公開Replay-AttackおよびCASIAデータセットに関する実験は、提案手法が最先端のものよりも優れていることを実証している。
また,実生および多種多様なspoofingサンプルを含む大規模データセットについても広範な実験を行い,本手法の汎用性をさらに検証した。
関連論文リスト
- Deep Ensemble Learning with Frame Skipping for Face Anti-Spoofing [5.543184872682789]
顔提示攻撃 (PA) は生体認証システムに重大な脅威をもたらす。
連続するビデオフレームにおける顔の動きを解析するいくつかのビデオベース手法が文献で紹介されている。
本稿では,顔のアンチスプーフ処理を動作予測問題として言い換え,フレームスキッピング機構を備えた深層アンサンブル学習モデルを提案する。
論文 参考訳(メタデータ) (2023-07-06T08:50:29Z) - Face Anti-Spoofing from the Perspective of Data Sampling [0.342658286826597]
顔提示攻撃検出は、デジタルデバイスに安全な顔アクセスを提供する上で重要な役割を果たす。
既存のビデオベースのPAD対策には、ビデオの長時間の時間変動に対処する能力がない。
本稿では,ガウス重み関数に基づく長距離時間変動をモデル化したビデオ処理方式を提案する。
論文 参考訳(メタデータ) (2022-08-28T07:54:30Z) - Generalizable Method for Face Anti-Spoofing with Semi-Supervised
Learning [0.0]
顔の偽造防止は生体認証システムにおける高いセキュリティ要件のために多くの注目を集めている。
フェースバイオメトリックを商用ハードウェアに持ち込むことは、フェイクログインセッションを検出するための信頼性の高い方法の開発に大きく依存するようになった。
現在のCNNベースの手法は、トレーニング対象のドメインでよく機能するが、以前は見つからなかったデータセットでは一般化が不十分であることが多い。
論文 参考訳(メタデータ) (2022-06-13T22:44:14Z) - 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) - Transferable, Controllable, and Inconspicuous Adversarial Attacks on
Person Re-identification With Deep Mis-Ranking [83.48804199140758]
システム出力のランキングを乱す学習とミスランクの定式化を提案する。
また,新たなマルチステージネットワークアーキテクチャを開発することで,バックボックス攻撃を行う。
そこで本手法では, 異なるマルチショットサンプリングにより, 悪意のある画素数を制御することができる。
論文 参考訳(メタデータ) (2020-04-08T18:48:29Z) - 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) - Face Anti-Spoofing by Learning Polarization Cues in a Real-World
Scenario [50.36920272392624]
顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。
RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。
本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
論文 参考訳(メタデータ) (2020-03-18T03:04:03Z) - Deep Frequent Spatial Temporal Learning for Face Anti-Spoofing [9.435020319411311]
対面防止は, 提示攻撃による侵入を避けることにより, 顔認識システムのセキュリティに不可欠である。
従来の研究は、この課題に深度と時間的監督を用いることの有効性を示した。
本稿では, 頻繁, 空間的, 時間的情報を同時に活用する顔アンチスプーフィングのための新しい2つのストリームFreqSaptialTemporalNetを提案する。
論文 参考訳(メタデータ) (2020-01-20T06:02:45Z)
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。