論文の概要: Dual-Cross Central Difference Network for Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2105.01290v1
• Date: Tue, 4 May 2021 05:11:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-05 18:39:01.611841
• Title: Dual-Cross Central Difference Network for Face Anti-Spoofing
• Title（参考訳）: 対面防止のためのデュアルクロス中央差分ネットワーク
• Authors: Zitong Yu, Yunxiao Qin, Hengshuang Zhao, Xiaobai Li, Guoying Zhao
• Abstract要約: 対面防止(FAS)は、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。 中央差分畳み込み(CDC)は、FASタスクの優れた表現能力を示しています。 中心と周囲の局所的な特徴の差を利用した2つのC-CDC(Cross Central difference Convolutions)を提案する。
• 参考スコア（独自算出の注目度）: 54.81222020394219
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Face anti-spoofing (FAS) plays a vital role in securing face recognition systems. Recently, central difference convolution (CDC) has shown its excellent representation capacity for the FAS task via leveraging local gradient features. However, aggregating central difference clues from all neighbors/directions simultaneously makes the CDC redundant and sub-optimized in the training phase. In this paper, we propose two Cross Central Difference Convolutions (C-CDC), which exploit the difference of the center and surround sparse local features from the horizontal/vertical and diagonal directions, respectively. It is interesting to find that, with only five ninth parameters and less computational cost, C-CDC even outperforms the full directional CDC. Based on these two decoupled C-CDC, a powerful Dual-Cross Central Difference Network (DC-CDN) is established with Cross Feature Interaction Modules (CFIM) for mutual relation mining and local detailed representation enhancement. Furthermore, a novel Patch Exchange (PE) augmentation strategy for FAS is proposed via simply exchanging the face patches as well as their dense labels from random samples. Thus, the augmented samples contain richer live/spoof patterns and diverse domain distributions, which benefits the intrinsic and robust feature learning. Comprehensive experiments are performed on four benchmark datasets with three testing protocols to demonstrate our state-of-the-art performance.
• Abstract（参考訳）: 対面防止(FAS)は、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。 近年,集中差分畳み込み(CDC)は局所勾配特性を利用してFASタスクに優れた表現能力を示した。 しかし、すべての隣接/方向からの中央差分の手がかりを集約することで、訓練段階でcdcが冗長かつ副最適化される。 本稿では, 水平方向, 斜方向から中心の差と周辺部分の特徴をそれぞれ生かした2つの交叉中心差分畳み込み(c-cdc)を提案する。 C-CDCは、9つのパラメータしか持たず、計算コストも少なく、完全な方向CDCよりも優れています。 これら2つの分離c-cdcに基づいて、相互関係マイニングと局所的詳細表現拡張のためのクロスフィーチャー相互作用モジュール(cfim)により、強力なデュアルクロス中央差分ネットワーク(dc-cdn)が確立される。 さらに, 顔パッチと高密度ラベルをランダムサンプルから簡単に交換することで, FASのための新しいパッチ交換(PE)拡張戦略を提案する。 このように、拡張サンプルはよりリッチなライブ/スプーフパターンと多様なドメイン分布を含み、本質的で堅牢な特徴学習の恩恵を受ける。 4つのベンチマークデータセットと3つのテストプロトコルで総合的な実験を行い、最先端のパフォーマンスを実証する。

関連論文リスト

• CriDiff: Criss-cross Injection Diffusion Framework via Generative Pre-train for Prostate Segmentation [60.61972883059688]
  CridiffはCrisscross Injection Strategy(CIS)とGenerative Pre-train(GP)アプローチによる2段階の機能注入フレームワークである。 CISでは,複数レベルのエッジ特徴と非エッジ特徴を効果的に学習するために,並列コンディショナーを2つ提案した。 GPアプローチは、追加パラメータを追加することなく、画像特徴と拡散モデルとの矛盾を緩和する。
  論文  参考訳（メタデータ） (2024-06-20T10:46:50Z)
• CDSE-UNet: Enhancing COVID-19 CT Image Segmentation with Canny Edge Detection and Dual-Path SENet Feature Fusion [10.831487161893305]
  CDSE-UNetは、Canny演算子エッジ検出とデュアルパスSENet機能融合機構を統合した、新しいUNetベースのセグメンテーションモデルである。 我々は,UNetの標準畳み込みを代替するマルチスケール畳み込み手法を開発し,病変の大きさや形状に適応した。 公開データセットの評価では、他の主要なモデルよりもCDSE-UNetの方が優れた性能を示している。
  論文  参考訳（メタデータ） (2024-03-03T13:36:07Z)
• Cross-Domain Few-Shot Segmentation via Iterative Support-Query Correspondence Mining [81.09446228688559]
  Cross-Domain Few-Shots (CD-FSS) は、限定された例のみを用いて、異なるドメインから新しいカテゴリを分割するという課題を提起する。 本稿では,CD-FSSの課題に対処する新しいクロスドメイン微調整手法を提案する。
  論文  参考訳（メタデータ） (2024-01-16T14:45:41Z)
• Cross-Centroid Ripple Pattern for Facial Expression Recognition [7.218497970427467]
  表情認識のための特徴記述子クロスセントロイド・リップルパターン(CRIP)を提案する。 CRIPは、半径r1とr2の2つのリップル間のクロスセントロイド関係をそれぞれ組み込むことで、表情の遷移パターンを符号化する。
  論文  参考訳（メタデータ） (2022-01-16T03:32:58Z)
• Dual-Attention Enhanced BDense-UNet for Liver Lesion Segmentation [3.1667381240856987]
  本稿では,DA-BDense-UNetと呼ばれる,DenseUNetと双方向LSTMを統合した新たなセグメンテーションネットワークを提案する。 DenseUNetは十分な多様な特徴を学習し、情報フローを調節することでネットワークの代表的能力を高める。
  論文  参考訳（メタデータ） (2021-07-24T16:28:00Z)
• Robust Facial Landmark Detection by Cross-order Cross-semantic Deep Network [58.843211405385205]
  顔のランドマーク検出を堅牢にするためのセマンティックな特徴学習を促進するために,クロスオーダー・クロスセマンティック・ディープ・ネットワーク(CCDN)を提案する。 具体的には、より識別的な表現学習のためのクロスオーダーチャネル相関を導入するために、クロスオーダー2列マルチ励起(CTM)モジュールを提案する。 新しいクロス・オーダー・クロス・セマンティック・レギュレータ (COCS) は、顔のランドマーク検出のために異なるアクティベーションからクロス・オーダーのクロス・セマンティック特徴を学習するためにネットワークを駆動するように設計されている。
  論文  参考訳（メタデータ） (2020-11-16T08:19:26Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)
• Searching Central Difference Convolutional Networks for Face Anti-Spoofing [68.77468465774267]
  顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。 最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。 ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T12:48:37Z)

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。