論文の概要: Understanding Cross Domain Presentation Attack Detection for Visible
Face Recognition
- arxiv url: http://arxiv.org/abs/2111.02548v1
- Date: Wed, 3 Nov 2021 22:25:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-06 02:15:13.415287
- Title: Understanding Cross Domain Presentation Attack Detection for Visible
Face Recognition
- Title（参考訳）: 可視顔認識のためのクロスドメインプレゼンテーションアタック検出の理解
- Authors: Jennifer Hamblin, Kshitij Nikhal, Benjamin S. Riggan
- Abstract要約: サイズ、形状、テクスチャ、肌の色、目の色、外観、傷跡などの顔のシグネチャは、アクセス制御のための識別的生体情報として広く使われている。
顔認識システムへの プレゼンアタックは ますます洗練されつつあります
本稿では,赤外線画像からの情報をトレーニング中に活用して,視覚的提示攻撃検知システムの識別性を高める手法を提案する。
- 参考スコア（独自算出の注目度）: 6.383297609254719
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Face signatures, including size, shape, texture, skin tone, eye color,
appearance, and scars/marks, are widely used as discriminative, biometric
information for access control. Despite recent advancements in facial
recognition systems, presentation attacks on facial recognition systems have
become increasingly sophisticated. The ability to detect presentation attacks
or spoofing attempts is a pressing concern for the integrity, security, and
trust of facial recognition systems. Multi-spectral imaging has been previously
introduced as a way to improve presentation attack detection by utilizing
sensors that are sensitive to different regions of the electromagnetic spectrum
(e.g., visible, near infrared, long-wave infrared). Although multi-spectral
presentation attack detection systems may be discriminative, the need for
additional sensors and computational resources substantially increases
complexity and costs. Instead, we propose a method that exploits information
from infrared imagery during training to increase the discriminability of
visible-based presentation attack detection systems. We introduce (1) a new
cross-domain presentation attack detection framework that increases the
separability of bonafide and presentation attacks using only visible spectrum
imagery, (2) an inverse domain regularization technique for added training
stability when optimizing our cross-domain presentation attack detection
framework, and (3) a dense domain adaptation subnetwork to transform
representations between visible and non-visible domains.
- Abstract（参考訳）: 顔のシグネチャはサイズ、形状、テクスチャ、肌の色、目色、外観、傷跡/マークなどであり、アクセス制御のための識別的生体情報として広く使われている。
近年の顔認識システムの発展にもかかわらず、顔認識システムに対するプレゼンテーション攻撃はますます高度になっている。
プレゼンテーション攻撃や偽装未遂を検知する能力は、顔認識システムの完全性、セキュリティ、そして信頼を迫られる懸念である。
マルチスペクトルイメージング(multi-spectral imaging)は、電磁スペクトルの異なる領域(可視光、近赤外、遠赤外線など)に敏感なセンサを使用することで、プレゼンテーションアタック検出を改善する手段として以前に導入された。
マルチスペクトル提示攻撃検知システムは識別可能であるが、追加のセンサーと計算資源の必要性は、複雑さとコストを大幅に増大させる。
その代わり、トレーニング中の赤外線画像からの情報を活用して、視覚的提示攻撃検知システムの識別性を高める手法を提案する。
本稿では,(1) 可視光画像のみを用いて,ボナフィドとプレゼンテーションアタックの分離性を高める新しいクロスドメインプレゼンテーションアタック検出フレームワーク,(2) クロスドメインプレゼンテーションアタック検出フレームワークを最適化する際のトレーニング安定性を高める逆ドメイン正規化手法,(3) 可視領域と非可視領域間の表現を変換する高密度ドメイン適応サブネットワークを提案する。
関連論文リスト
- UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳（メタデータ） (2024-07-26T20:51:54Z) - Analyzing eyebrow region for morphed image detection [4.879461135691896]
提案手法は,眼窩領域の周波数を解析することに基づく。
以上の結果から,本手法は画像の変形検出に有用なツールである可能性が示唆された。
論文 参考訳（メタデータ） (2023-10-30T06:11:27Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Attention Consistency Refined Masked Frequency Forgery Representation
for Generalizing Face Forgery Detection [96.539862328788]
既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。
ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。
いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
論文 参考訳（メタデータ） (2023-07-21T08:58:49Z) - Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。
現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。
空間周波数Krawtchouk分解に基づく識別検出器を提案する。
論文 参考訳（メタデータ） (2023-05-18T10:18:59Z) - A Novel Active Solution for Two-Dimensional Face Presentation Attack
Detection [0.0]
本研究では,プレゼンテーション攻撃検出に関わる課題と解決策について,現状を考察する。
プレゼンテーションアタックは、写真、ビデオ、マスク、化粧など、生きていない顔をカメラに提示する試みである。
本稿では,既存の文献の弱点を克服する効果的な能動的提示攻撃検出手法を提案する。
論文 参考訳（メタデータ） (2022-12-14T00:30:09Z) - Exploring Frequency Adversarial Attacks for Face Forgery Detection [59.10415109589605]
フェースフォージェリ検出器に対する周波数対向攻撃法を提案する。
また,メタラーニングの概念に触発されて,空間領域と周波数領域の両方で攻撃を行うハイブリッド逆攻撃を提案する。
論文 参考訳（メタデータ） (2022-03-29T15:34:13Z) - Introduction to Presentation Attack Detection in Face Biometrics and
Recent Advances [21.674697346594158]
次のページでは、顔認識システムが直面する可能性のある、異なるプレゼンテーションアタックを示す。
顔認識の現状と,その展開レベル,課題について紹介する。
我々は,より単純なものからより複雑なものまで,さまざまな種類のプレゼンテーションアタック手法について検討し,その効果を検証した。
論文 参考訳（メタデータ） (2021-11-23T11:19:22Z) - Differential Anomaly Detection for Facial Images [15.54185745912878]
アイデンティティ攻撃は、不正アクセスと偽情報の拡散に使用できるため、セキュリティ上の大きな脅威となる。
同一性攻撃を検出するほとんどのアルゴリズムは、訓練時に未知の攻撃タイプに悪影響を及ぼす。
本稿では,まず画像から深層面の埋め込みを抽出する差動異常検出フレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-07T13:45:13Z) - Exploring Adversarial Robustness of Multi-Sensor Perception Systems in
Self Driving [87.3492357041748]
本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。
実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。
よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
論文 参考訳（メタデータ） (2021-01-17T21:15:34Z) - Can Your Face Detector Do Anti-spoofing? Face Presentation Attack
Detection with a Multi-Channel Face Detector [7.665392786787577]
我々は,顔検出装置のタスクを再編成し,実際の顔を検出することにより,提示攻撃の脅威を排除した。
提案システムは,個別の提示攻撃検出モジュールの必要性を回避した実顔検出システムとして利用することができる。
提案手法の有効性を示すため,様々な攻撃を含むマルチチャネルWMCAデータセットのアプローチを評価した。
論文 参考訳（メタデータ） (2020-06-30T14:22:46Z)
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。