論文の概要: Unsupervised Compound Domain Adaptation for Face Anti-Spoofing
- arxiv url: http://arxiv.org/abs/2105.08463v1
- Date: Tue, 18 May 2021 12:08:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-19 19:57:13.562378
- Title: Unsupervised Compound Domain Adaptation for Face Anti-Spoofing
- Title（参考訳）: 顔アンチスプーフィングのための教師なし複合ドメイン適応
- Authors: Ankush Panwar, Pratyush Singh, Suman Saha, Danda Pani Paudel and Luc
Van Gool
- Abstract要約: 顔認証システムを実環境で堅牢化することを目的とした顔認証対策の課題に対処します。
ソースモデルを対象ドメインに適応させるメモリ拡張手法を,ドメインに意識して提案する。
提案手法は,複数の新しいスプーフ型からなる複合ターゲットドメインに適応する。
- 参考スコア（独自算出の注目度）: 74.6122128643823
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We address the problem of face anti-spoofing which aims to make the face
verification systems robust in the real world settings. The context of
detecting live vs. spoofed face images may differ significantly in the target
domain, when compared to that of labeled source domain where the model is
trained. Such difference may be caused due to new and unknown spoof types,
illumination conditions, scene backgrounds, among many others. These varieties
of differences make the target a compound domain, thus calling for the problem
of the unsupervised compound domain adaptation. We demonstrate the
effectiveness of the compound domain assumption for the task of face
anti-spoofing, for the first time in this work. To this end, we propose a
memory augmentation method for adapting the source model to the target domain
in a domain aware manner. The adaptation process is further improved by using
the curriculum learning and the domain agnostic source network training
approaches. The proposed method successfully adapts to the compound target
domain consisting multiple new spoof types. Our experiments on multiple
benchmark datasets demonstrate the superiority of the proposed method over the
state-of-the-art.
- Abstract（参考訳）: 現実の環境での顔認証システムを堅牢なものにすることを目的とした顔認証の課題に対処する。
モデルがトレーニングされたラベル付きソースドメインと比較して,ライブ対スプーフ顔画像の検出状況は,対象領域で大きく異なる場合がある。
このような違いは、新規で未知のスプーフタイプ、照明条件、背景などによって引き起こされる可能性がある。
これらの差異は対象を複合ドメインとし、教師なし複ドメイン適応の問題を提起する。
本稿では,本研究で初めて,対スプーフィング作業における複合ドメイン仮定の有効性を実証する。
そこで本研究では,ソースモデルを対象ドメインに適応させるメモリ拡張手法を提案する。
カリキュラム学習とドメインに依存しないソースネットワークトレーニングアプローチを用いることで、適応プロセスをさらに改善する。
提案手法は,複数の新しいスプーフ型からなる複合ターゲットドメインに適応する。
複数のベンチマークデータセットに対する実験により,提案手法が最先端よりも優れていることを示す。
関連論文リスト
- Cyclically Disentangled Feature Translation for Face Anti-spoofing [61.70377630461084]
循環不整合特徴変換ネットワーク(CDFTN)と呼ばれる新しい領域適応手法を提案する。
CDFTNは、(1)ソースドメイン不変の生長特徴と2)ドメイン固有のコンテンツ特徴とを持つ擬似ラベル付きサンプルを生成する。
ソースドメインラベルの監督の下で、合成擬似ラベル付き画像に基づいてロバスト分類器を訓練する。
論文 参考訳（メタデータ） (2022-12-07T14:12:34Z) - Generative Domain Adaptation for Face Anti-Spoofing [38.12738183385737]
教師なしドメイン適応(UDA)に基づくアンチスプーフィングアプローチは、ターゲットシナリオに対する有望なパフォーマンスのために注目を集めている。
既存のUDA FASメソッドは、通常、セマンティックな高レベルの機能の分布を整列することで、トレーニングされたモデルをターゲットドメインに適合させる。
対象データをモデルに直接適合させ、画像翻訳により対象データをソースドメインスタイルにスタイリングし、さらに、訓練済みのソースモデルにスタイリングされたデータを入力して分類する、UDA FASの新しい視点を提案する。
論文 参考訳（メタデータ） (2022-07-20T16:24:57Z) - One-Class Knowledge Distillation for Face Presentation Attack Detection [53.30584138746973]
本稿では,一級ドメイン適応による対面PADのクロスドメイン性能向上のための教師学生フレームワークを提案する。
学生ネットワークは、教師ネットワークを模倣し、ターゲットドメインの真の顔サンプルの類似した表現を学ぶために訓練される。
テストフェーズでは、教師と学生ネットワークの表現の類似度スコアを用いて、真の攻撃と区別する。
論文 参考訳（メタデータ） (2022-05-08T06:20:59Z) - AFAN: Augmented Feature Alignment Network for Cross-Domain Object
Detection [90.18752912204778]
オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。
本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。
提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2021-06-10T05:01:20Z) - Preserving Semantic Consistency in Unsupervised Domain Adaptation Using
Generative Adversarial Networks [33.84004077585957]
SCGAN (End-to-end novel consistent generation adversarial Network) を提案する。
このネットワークは、機能レベルでセマンティック情報をキャプチャすることで、ソースからターゲットドメインマッチングを実現できます。
本稿では,教師なしドメイン適応設定における最先端性能を超える提案手法の頑健性を示す。
論文 参考訳（メタデータ） (2021-04-28T12:23:30Z) - Pixel-Level Cycle Association: A New Perspective for Domain Adaptive
Semantic Segmentation [169.82760468633236]
本稿では,ソースとターゲットの画素ペア間の画素レベルサイクルの関連性を構築することを提案する。
我々の手法は1段階のエンドツーエンドで訓練でき、追加のパラメータは導入しない。
論文 参考訳（メタデータ） (2020-10-31T00:11:36Z) - Unsupervised Domain Adaptive Object Detection using Forward-Backward
Cyclic Adaptation [13.163271874039191]
本稿では,フォワード・バック・サイクリック(FBC)トレーニングによる物体検出のための教師なし領域適応手法を提案する。
近年, 対角訓練に基づく領域適応法は, 限界特徴分布アライメントによる領域差最小化に有効であることが示された。
本稿では,後方ホッピングによるソースからターゲットへの適応と,前方通過によるターゲットからソースへの適応を反復的に計算するフォワード・バック・サイクル適応を提案する。
論文 参考訳（メタデータ） (2020-02-03T06:24:58Z) - CrDoCo: Pixel-level Domain Transfer with Cross-Domain Consistency [119.45667331836583]
教師なしのドメイン適応アルゴリズムは、あるドメインから学んだ知識を別のドメインに転送することを目的としている。
本稿では,新しい画素単位の対向領域適応アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-09T19:00:35Z)
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。