論文の概要: A Dataset and Benchmark Towards Multi-Modal Face Anti-Spoofing Under
Surveillance Scenarios
- arxiv url: http://arxiv.org/abs/2103.15409v1
- Date: Mon, 29 Mar 2021 08:14:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 14:55:42.519542
- Title: A Dataset and Benchmark Towards Multi-Modal Face Anti-Spoofing Under
Surveillance Scenarios
- Title(参考訳): 監視シナリオ下でのマルチモーダル顔偽造に対するデータセットとベンチマーク
- Authors: Xudong Chen, Shugong Xu, Qiaobin Ji, Shan Cao
- Abstract要約: AFA(Feature Augment)を用いた注意ベースの顔アンチスプーフィングネットワークを提案し、低品質の顔画像に対するFASを解決します。
我々のモデルは,CASIA-SURFデータセットと提案したGREAT-FASD-Sデータセットの最先端性能を実現することができる。
- 参考スコア(独自算出の注目度): 15.296568518106763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face Anti-spoofing (FAS) is a challenging problem due to complex serving
scenarios and diverse face presentation attack patterns. Especially when
captured images are low-resolution, blurry, and coming from different domains,
the performance of FAS will degrade significantly. The existing multi-modal FAS
datasets rarely pay attention to the cross-domain problems under deployment
scenarios, which is not conducive to the study of model performance. To solve
these problems, we explore the fine-grained differences between multi-modal
cameras and construct a cross-domain multi-modal FAS dataset under surveillance
scenarios called GREAT-FASD-S. Besides, we propose an Attention based Face
Anti-spoofing network with Feature Augment (AFA) to solve the FAS towards
low-quality face images. It consists of the depthwise separable attention
module (DAM) and the multi-modal based feature augment module (MFAM). Our model
can achieve state-of-the-art performance on the CASIA-SURF dataset and our
proposed GREAT-FASD-S dataset.
- Abstract(参考訳): Face Anti-Spoofing (FAS)は複雑なサービスシナリオと多様な顔提示攻撃パターンのために難しい問題である。
特に、撮像された画像が解像度が低く、ぼやけており、異なるドメインから来る場合、fasの性能は著しく低下する。
既存のマルチモーダルFASデータセットは、モデルパフォーマンスの研究には影響しないデプロイメントシナリオにおけるクロスドメイン問題にほとんど注意を払わない。
これらの問題を解決するために,マルチモーダルカメラ間の細かな差異を探索し,great-fasd-sと呼ばれる監視シナリオに基づいてクロスドメインのマルチモーダルfasデータセットを構築する。
さらに,FASを低画質の顔画像に向けて解くために,AFA(Feature Augment)を用いたアテンションベースの顔アンチスプーフィングネットワークを提案する。
DAM(Deepwise Separable attention Module)とMFAM(Multi-modal based feature augment Module)から構成されている。
我々のモデルは,CASIA-SURFデータセットと提案したGREAT-FASD-Sデータセットの最先端性能を実現することができる。
関連論文リスト
- Cross-Modality Perturbation Synergy Attack for Person Re-identification [70.44850060727474]
相互モダリティReIDの主な課題は、異なるモダリティ間の視覚的差異を効果的に扱うことである。
既存の攻撃方法は、目に見える画像のモダリティの特徴に主に焦点を当てている。
本研究では,クロスモーダルReIDに特化して設計されたユニバーサル摂動攻撃を提案する。
論文 参考訳(メタデータ) (2024-01-18T15:56:23Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing
Image Segmentation [66.31941110777734]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳(メタデータ) (2023-12-19T08:14:14Z) - Unified Frequency-Assisted Transformer Framework for Detecting and
Grounding Multi-Modal Manipulation [109.1912721224697]
本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。
離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。
提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
論文 参考訳(メタデータ) (2023-09-18T11:06:42Z) - Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for
Loss-free Multi-Exposure Image Fusion [60.221404321514086]
マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。
本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
論文 参考訳(メタデータ) (2023-09-03T08:07:26Z) - Steerable Conditional Diffusion for Out-of-Distribution Adaptation in
Imaging Inverse Problems [78.76955228709241]
我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。
このフレームワークは、利用可能な測定データに特化してデノイングネットワークを適用する。
我々は多様な画像モダリティをまたいだOOD性能の大幅な向上を実現した。
論文 参考訳(メタデータ) (2023-08-28T08:47:06Z) - DifFSS: Diffusion Model for Few-Shot Semantic Segmentation [24.497112957831195]
本稿では,DifFSSと呼ばれるFSSタスクの拡散モデルを活用するための最初の研究について述べる。
新たなFSSパラダイムであるDifFSSは、ネットワーク構造を変更することなく、最先端のFSSモデルの性能をさらに向上させることができる。
論文 参考訳(メタデータ) (2023-07-03T06:33:49Z) - 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) - An Empirical Study on the Robustness of the Segment Anything Model (SAM) [12.128991867050487]
Segment Anything Model (SAM) は一般的な画像分割の基礎モデルである。
本研究では,多様な実環境下でSAMの包括的ロバストネス調査を行う。
実験結果からSAMの性能は摂動画像下では一般的に低下することが示された。
プロンプトのテクニックをカスタマイズし、各データセットのユニークな特徴に基づいてドメイン知識を活用することで、モデルの摂動に対するレジリエンスを向上させることができる。
論文 参考訳(メタデータ) (2023-05-10T19:06:43Z) - Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues [61.37306431455152]
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) - Few-Shot Domain Expansion for Face Anti-Spoofing [28.622220790439055]
Face Anti-Spoofing (FAS) は顔認識システムにおいて必須かつ広く使われているモジュールである。
Few-Shot Domain Expansion for Face Anti-Spoofing (FSDE-FAS)
論文 参考訳(メタデータ) (2021-06-27T07:38:50Z) - Efficient and Accurate Multi-scale Topological Network for Single Image
Dehazing [31.543771270803056]
本稿では,入力画像自体の特徴抽出と利用に注意を払います。
本稿では,マルチスケールトポロジカルネットワーク (mstn) を提案する。
一方、我々は、異なるスケールで機能の選択と融合を達成するために、マルチスケール機能融合モジュール(MFFM)と適応機能選択モジュール(AFSM)を設計します。
論文 参考訳(メタデータ) (2021-02-24T08:53:14Z)
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。