論文の概要: Meta-Teacher For Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2111.06638v1
• Date: Fri, 12 Nov 2021 10:09:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-15 13:30:54.678044
• Title: Meta-Teacher For Face Anti-Spoofing
• Title（参考訳）: 対面防止のためのメタ教師
• Authors: Yunxiao Qin, Zitong Yu, Longbin Yan, Zezheng Wang, Chenxu Zhao, Zhen Lei
• Abstract要約: Face Anti-Spoofing (FAS)は、プレゼンテーションアタック(PA)から顔認識を保護する 本稿では,PA検出器をより効果的に監視するためのメタティーチンガーを訓練するための新しいメタティーチンガーFAS(MT-FAS)法を提案する。
• 参考スコア（独自算出の注目度）: 46.604960860807154
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing (FAS) secures face recognition from presentation attacks (PAs). Existing FAS methods usually supervise PA detectors with handcrafted binary or pixel-wise labels. However, handcrafted labels may are not the most adequate way to supervise PA detectors learning sufficient and intrinsic spoofing cues. Instead of using the handcrafted labels, we propose a novel Meta-Teacher FAS (MT-FAS) method to train a meta-teacher for supervising PA detectors more effectively. The meta-teacher is trained in a bi-level optimization manner to learn the ability to supervise the PA detectors learning rich spoofing cues. The bi-level optimization contains two key components: 1) a lower-level training in which the meta-teacher supervises the detector's learning process on the training set; and 2) a higher-level training in which the meta-teacher's teaching performance is optimized by minimizing the detector's validation loss. Our meta-teacher differs significantly from existing teacher-student models because the meta-teacher is explicitly trained for better teaching the detector (student), whereas existing teachers are trained for outstanding accuracy neglecting teaching ability. Extensive experiments on five FAS benchmarks show that with the proposed MT-FAS, the trained meta-teacher 1) provides better-suited supervision than both handcrafted labels and existing teacher-student models; and 2) significantly improves the performances of PA detectors.
• Abstract（参考訳）: Face Anti-Spoofing (FAS)は、プレゼンテーションアタック(PA)から顔認識を保証する。 既存のFAS法は通常、手作りのバイナリまたはピクセルワイドラベルでPA検出器を監督する。 しかし、手作りラベルはPA検出器を十分に学習し、本質的なスプーフィングキューを監督する最も適切な方法ではないかもしれない。 そこで本研究では,手作りラベルの代わりに,PA検出器をより効果的に監視するためのメタティーチンガー(MT-FAS)法を提案する。 メタ教師は双方向の最適化方法で訓練され、PA検出器の監視能力を学ぶ。 バイレベル最適化には2つの重要な要素がある。 1) メタ教師が学習セット上で検出器の学習プロセスを監督する下位レベルの訓練 2)検知器の検証損失を最小限に抑え,メタ教師の指導性能を最適化した高レベルの訓練を行う。 メタ教師は検出器(学習者)をより良く教えるために明示的に訓練されているのに対し、既存の教師は指導能力を無視した優れた精度で訓練されている。 5つのfasベンチマークに関する広範囲な実験により、mt-fasが提案された。 1) 手作りラベル及び既存の教師教育モデルよりも適切な監督を提供する。 2) PA検出器の性能は大幅に向上した。

関連論文リスト

• ProFeAT: Projected Feature Adversarial Training for Self-Supervised Learning of Robust Representations [35.68752612346952]
  教師付きAdversarial Training (AT) におけるラベル付きデータの必要性は,ATによる自己監督学習(SSL)技術の利用を促している。 既存のSSLメソッドの対向トレーニングへの直接的な適用は、SSLとATの組み合わせによるトレーニングの複雑さの増大により、サブ最適になっている。 本研究では,教師と生徒の弱さと強みを兼ね備えた,特徴とプロジェクタに対する適切な攻撃と防御の損失を提案する。
  論文  参考訳（メタデータ） (2024-06-09T14:20:46Z)
• Versatile Teacher: A Class-aware Teacher-student Framework for Cross-domain Adaptation [2.9748058103007957]
  私たちはVersatile Teacher(VT)という新しい教師学生モデルを紹介します。 VTはクラス固有の検出困難を考慮し、2段階の擬似ラベル選択機構を用いてより信頼性の高い擬似ラベルを生成する。 提案手法は,3つのベンチマークデータセットに対して有望な結果を示し,広範に使用されている1段検出器のアライメント手法を拡張した。
  論文  参考訳（メタデータ） (2024-05-20T03:31:43Z)
• Seeking Flat Minima with Mean Teacher on Semi- and Weakly-Supervised Domain Generalization for Object Detection [17.831445694502396]
  半教師付きドメイン一般化オブジェクト検出(SS-DGOD)と弱い教師付きDGOD(WS-DGOD)の2つの問題設定について検討する。 複数のドメインからのラベル付きデータを必要とする従来のドメインの一般化とは対照的に、SS-DGODとWS-DGODは1つのドメインからのみラベル付きデータを必要とし、トレーニングのために複数のドメインからラベル付きまたは弱いラベル付きデータを必要とする。 オブジェクト検出器は,同じ平均教師学習フレームワークを用いて,2つの設定で効果的に学習可能であることを示す。
  論文  参考訳（メタデータ） (2023-10-30T08:46:26Z)
• Guarded Policy Optimization with Imperfect Online Demonstrations [32.22880650876471]
  Teacher-Student Frameworkは、教師エージェントが学生エージェントのトレーニングをガードする強化学習環境である。 成績の良い教師の政策を得るのは費用がかかるか、あるいは不可能である。 そこで我々は,任意の教師ポリシーを質素あるいは劣悪な性能で組み込む新しい手法を開発した。
  論文  参考訳（メタデータ） (2023-03-03T06:24:04Z)
• Teach-DETR: Better Training DETR with Teachers [43.37671158294093]
  Teach-DETRは、多用途の教師検出器からより優れたDETRベースの検出器を学習するためのトレーニングスキームである。 我々は,Swin-Largeバックボーン,4スケールの機能マップ,36エポックトレーニングスケジュールによる最先端検出器DINOの改良を行った。
  論文  参考訳（メタデータ） (2022-11-22T02:16:53Z)
• Better Teacher Better Student: Dynamic Prior Knowledge for Knowledge Distillation [70.92135839545314]
  本研究では,教師の持つ特徴の一部を,特徴蒸留前の先行知識として統合した動的事前知識(DPK)を提案する。 DPKは,教員モデルと生徒モデルのパフォーマンスを正に相関させ,より大きな教員を適用することで生徒の精度をさらに高めることができる。
  論文  参考訳（メタデータ） (2022-06-13T11:52:13Z)
• Activation to Saliency: Forming High-Quality Labels for Unsupervised Salient Object Detection [54.92703325989853]
  本稿では,高品質なサリエンシキューを効果的に生成する2段階アクティベーション・ツー・サリエンシ(A2S)フレームワークを提案する。 トレーニングプロセス全体において、私たちのフレームワークにヒューマンアノテーションは関与していません。 本フレームワークは,既存のUSOD法と比較して高い性能を示した。
  論文  参考訳（メタデータ） (2021-12-07T11:54:06Z)
• Self-Training with Differentiable Teacher [80.62757989797095]
  自己学習は、様々な半教師付きおよび弱教師付き学習タスクで大きな成功を収める。 この手法は、教師が擬似ラベルを生成し、生徒が予測を行う教師学生の枠組みとして解釈できる。 そこで我々は,教師学生をStackelbergゲームとして扱う,差別化可能な自己学習法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T02:06:13Z)
• Graph Consistency based Mean-Teaching for Unsupervised Domain Adaptive Person Re-Identification [54.58165777717885]
  本論文では,教師ネットワークと学生ネットワークの間にGCC(Graph Consistency Constraint)を構築するためのGCMT(Graph Consistency Based Mean-Teaching)手法を提案する。 マーケット-1501、デュークMTMCreID、MSMT17の3つのデータセットの実験により、提案されたGCMTは最先端の手法よりも明確なマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2021-05-11T04:09:49Z)
• MimicDet: Bridging the Gap Between One-Stage and Two-Stage Object Detection [65.74032877197844]
  1段の検出器は、単純なアーキテクチャのためより効率的だが、2段の検出器は依然として精度でリードしている。 2段階特徴を直接模倣して1段階検出器を訓練する新しいフレームワークであるMimicDetを提案する。 マイクロメソッドは1段と2段の検出器で共有されたバックボーンを持ち、それから2つのヘッドに分岐する。
  論文  参考訳（メタデータ） (2020-09-24T07:36:58Z)

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。