論文の概要: Face Presentation Attack Detection using Taskonomy Feature
- arxiv url: http://arxiv.org/abs/2111.11046v1
- Date: Mon, 22 Nov 2021 08:35:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-23 16:16:19.973793
- Title: Face Presentation Attack Detection using Taskonomy Feature
- Title(参考訳): タスクノミー特徴を用いた顔提示攻撃検出
- Authors: Wentian Zhang, Haozhe Liu, Raghavendra Ramachandra, Feng Liu, Linlin
Shen, Christoph Busch
- Abstract要約: 顔認識システム(FRS)の安全性を確保するため、提示攻撃検出(PAD)手法が重要である
既存のPAD法は、限られたトレーニングセットに大きく依存しており、未知のPAによく当てはまらない。
我々は、他の顔関連タスクからタスクノミー(タスク分類)を適用して、顔PADを解決することを提案する。
- 参考スコア(独自算出の注目度): 26.343512092423985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The robustness and generalization ability of Presentation Attack Detection
(PAD) methods is critical to ensure the security of Face Recognition Systems
(FRSs). However, in the real scenario, Presentation Attacks (PAs) are various
and hard to be collected. Existing PAD methods are highly dependent on the
limited training set and cannot generalize well to unknown PAs. Unlike PAD
task, other face-related tasks trained by huge amount of real faces (e.g. face
recognition and attribute editing) can be effectively adopted into different
application scenarios. Inspired by this, we propose to apply taskonomy (task
taxonomy) from other face-related tasks to solve face PAD, so as to improve the
generalization ability in detecting PAs. The proposed method, first introduces
task specific features from other face-related tasks, then, we design a
Cross-Modal Adapter using a Graph Attention Network (GAT) to re-map such
features to adapt to PAD task. Finally, face PAD is achieved by using the
hierarchical features from a CNN-based PA detector and the re-mapped features.
The experimental results show that the proposed method can achieve significant
improvements in the complicated and hybrid datasets, when compared with the
state-of-the-art methods. In particular, when trained using OULU-NPU,
CASIA-FASD, and Idiap Replay-Attack, we obtain HTER (Half Total Error Rate) of
5.48% in MSU-MFSD, outperforming the baseline by 7.39%. Code will be made
publicly available.
- Abstract(参考訳): 提示検出法(PAD)の堅牢性と一般化能力は,顔認識システム(FRS)のセキュリティ確保に不可欠である。
しかし、実際のシナリオでは、プレゼンテーションアタック(PA)は様々であり、収集は困難である。
既存のpadメソッドは限定されたトレーニングセットに大きく依存しており、未知のpasにうまく一般化できない。
PADタスクとは異なり、多数の実際の顔(例えば顔認識や属性編集)で訓練された他の顔関連タスクは、異なるアプリケーションシナリオに効果的に適用することができる。
そこで本研究では,他の顔関連タスクからタスクノミー(タスク分類)を適用し,PAの検出における一般化能力を向上させることを提案する。
提案手法はまず,他のタスクからタスク固有の機能を導入し,次にグラフ注意ネットワーク(GAT)を用いたクロスモーダルアダプタを設計し,これらの機能をPADタスクに適応させる。
最後に、cnnベースのpa検出器の階層的特徴と再マップされた特徴を用いて、フェイスパッドを実現する。
実験の結果,提案手法は,最先端手法と比較して,複雑かつハイブリッドなデータセットにおいて有意な改善が得られた。
特に、OULU-NPU、CASIA-FASD、Idiap Replay-Attackを用いてトレーニングすると、MSU-MFSDのHTER(Hlf Total Error Rate)は5.48%となり、ベースラインを7.39%上回る。
コードは公開される予定だ。
関連論文リスト
- Semantics-Oriented Multitask Learning for DeepFake Detection: A Joint Embedding Approach [77.65459419417533]
本稿ではセマンティクス指向のDeepFake検出タスクをサポートするための自動データセット拡張手法を提案する。
また,顔画像とそれに対応するラベルを併用して予測を行う。
提案手法は,DeepFake検出の一般化性を向上し,人間の理解可能な説明を提供することで,ある程度のモデル解釈を行う。
論文 参考訳(メタデータ) (2024-08-29T07:11:50Z) - Generalizable Facial Expression Recognition [41.639746139849564]
SOTA顔表情認識(FER)メソッドは、列車セットとドメインギャップのあるテストセットで失敗する。
最近の領域適応FER法は、ferモデルを微調整するために、ターゲットドメインのラベル付きまたは未ラベルのサンプルを取得する必要がある。
本稿では,1つの列車セットのみを用いて,異なる未確認テストセット上でのFER法のゼロショット一般化能力を改善することを目的とする。
論文 参考訳(メタデータ) (2024-08-20T07:48:45Z) - Faceptor: A Generalist Model for Face Perception [52.8066001012464]
Faceptorは、よく設計されたシングルエンコーダのデュアルデコーダアーキテクチャを採用するために提案されている。
Faceptorへのレイヤアテンションにより、モデルが最適なレイヤから機能を適応的に選択して、望ましいタスクを実行することができる。
我々のトレーニングフレームワークは補助的な教師付き学習にも適用でき、年齢推定や表現認識といったデータスパースタスクの性能を大幅に向上させることができる。
論文 参考訳(メタデータ) (2024-03-14T15:42:31Z) - SwinFace: A Multi-task Transformer for Face Recognition, Expression
Recognition, Age Estimation and Attribute Estimation [60.94239810407917]
本論文では,単一スウィントランスを用いた顔認識,表情認識,年齢推定,顔属性推定のための多目的アルゴリズムを提案する。
複数のタスク間の競合に対処するため、マルチレベルチャネル注意(MLCA)モジュールをタスク固有の分析に統合する。
実験の結果,提案したモデルでは顔の理解が良く,全てのタスクにおいて優れた性能が得られることがわかった。
論文 参考訳(メタデータ) (2023-08-22T15:38:39Z) - Watch Out for the Confusing Faces: Detecting Face Swapping with the
Probability Distribution of Face Identification Models [37.49012763328351]
顔識別確率分布に基づく顔交換検出手法を提案する。
IdP_FSDは、有限集合に属するスワップされた顔を検出するために特別に設計されている。
IdP_FSDは、顔交換に関わる2つの顔の同一性は、顔交換の共通性を利用する。
論文 参考訳(メタデータ) (2023-03-23T09:33:10Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳(メタデータ) (2022-10-11T08:24:50Z) - Taming Self-Supervised Learning for Presentation Attack Detection:
De-Folding and De-Mixing [42.733666815035534]
各種提示攻撃装置(PAI)を用いた提示攻撃に対して生体認証システムは脆弱である
DF-DMと呼ばれる自己教師型学習手法を提案する。
DF-DMは、PDDのタスク固有の表現を導出するために、De-FoldingとDe-Mixingと結合したグローバルローカルビューに基づいている。
論文 参考訳(メタデータ) (2021-09-09T08:38:17Z) - Towards Transferable Adversarial Attack against Deep Face Recognition [58.07786010689529]
ディープ畳み込みニューラルネットワーク(DCNN)は敵の例に弱いことが判明した。
転送可能な敵の例は、DCNNの堅牢性を著しく妨げます。
DFANetは畳み込み層で使用されるドロップアウトベースの手法であり,サロゲートモデルの多様性を高めることができる。
クエリなしで4つの商用APIをうまく攻撃できる新しい対向顔ペアを生成します。
論文 参考訳(メタデータ) (2020-04-13T06:44:33Z) - Cross-domain Face Presentation Attack Detection via Multi-domain
Disentangled Representation Learning [109.42987031347582]
顔提示攻撃検出(PAD)は,顔認識システムにおいて緊急に解決すべき課題である。
クロスドメイン顔PADのための効率的な非交叉表現学習を提案する。
我々のアプローチは、不整合表現学習(DR-Net)とマルチドメイン学習(MD-Net)からなる。
論文 参考訳(メタデータ) (2020-04-04T15:45:14Z)
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。