論文の概要: Consistency Regularization for Deep Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2111.12320v2
• Date: Thu, 25 Nov 2021 09:14:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-29 12:43:35.714098
• Title: Consistency Regularization for Deep Face Anti-Spoofing
• Title（参考訳）: Deep Face Anti-Spoofingのための一貫性規則化
• Authors: Zezheng Wang, Zitong Yu, Xun Wang, Yunxiao Qin, Jiahong Li, Chenxu Zhao, Zhen Lei, Xin Liu, Size Li, Zhongyuan Wang
• Abstract要約: 顔認証システムでは、顔認証(FAS)が重要な役割を担っている。 このエキサイティングな観察によって、異なる視点の特徴整合性を促進することが、FASモデルを促進するための有望な方法かもしれないと推測する。 FASにおけるEPCR(Embeddding-level and Prediction-level Consistency Regularization)とEPCR(Embeddding-level Consistency Regularization)を併用した。
• 参考スコア（独自算出の注目度）: 69.70647782777051
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face anti-spoofing (FAS) plays a crucial role in securing face recognition systems. Empirically, given an image, a model with more consistent output on different views of this image usually performs better, as shown in Fig.1. Motivated by this exciting observation, we conjecture that encouraging feature consistency of different views may be a promising way to boost FAS models. In this paper, we explore this way thoroughly by enhancing both Embedding-level and Prediction-level Consistency Regularization (EPCR) in FAS. Specifically, at the embedding-level, we design a dense similarity loss to maximize the similarities between all positions of two intermediate feature maps in a self-supervised fashion; while at the prediction-level, we optimize the mean square error between the predictions of two views. Notably, our EPCR is free of annotations and can directly integrate into semi-supervised learning schemes. Considering different application scenarios, we further design five diverse semi-supervised protocols to measure semi-supervised FAS techniques. We conduct extensive experiments to show that EPCR can significantly improve the performance of several supervised and semi-supervised tasks on benchmark datasets. The codes and protocols will be released at https://github.com/clks-wzz/EPCR.
• Abstract（参考訳）: face anti-spoofing (fas) は顔認識システムのセキュリティにおいて重要な役割を担っている。 経験上、画像が与えられた場合、この画像の異なるビューでより一貫した出力を持つモデルは、図1に示すように、通常よりよく機能する。 このエキサイティングな観察によって、異なる視点の特徴整合性を促進することがFASモデルを促進するための有望な方法かもしれないと推測する。 本稿では,fasにおける埋め込みレベルと予測レベル一貫性規則化(epcr)の両立により,この手法を徹底的に検討する。 具体的には、埋め込みレベルでは、2つの中間特徴マップのすべての位置間の類似性を自己教師ありの方法で最大化するために、密な類似度損失を設計するが、予測レベルでは、2つのビューの予測間の平均平方誤差を最適化する。 特に,EPCRにはアノテーションがなく,半教師付き学習方式に直接組み込むことができる。 異なるアプリケーションシナリオを考慮して、半教師付きFAS技術を測定するための5つの多様な半教師付きプロトコルを更に設計する。 我々は、ベンチマークデータセット上で、EPCRが教師付きおよび半教師付きタスクの性能を大幅に改善できることを示す広範な実験を行った。 コードとプロトコルはhttps://github.com/clks-wzz/EPCRで公開される。

関連論文リスト

• Robust Scene Change Detection Using Visual Foundation Models and Cross-Attention Mechanisms [27.882122236282054]
  本稿では,視覚基礎モデルDINOv2の頑健な特徴抽出機能を活用したシーン変化検出手法を提案する。 我々は,VL-CMU-CDとPSCDの2つのベンチマークデータセットに対するアプローチと,その視点評価バージョンについて検討した。 実験では,F1スコアにおいて,特に画像ペア間の幾何学的変化を伴うシナリオにおいて,顕著な改善が示された。
  論文  参考訳（メタデータ） (2024-09-25T11:55:27Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Learnable Multi-level Frequency Decomposition and Hierarchical Attention Mechanism for Generalized Face Presentation Attack Detection [7.324459578044212]
  顔提示攻撃検知(PAD)は多くの注目を集めており、顔認識システムを保護する上で重要な役割を果たしている。 両ストリーム畳み込みニューラルネットワーク(CNN)フレームワークを提案する。 ステップワイドアブレーション研究において提案したPAD法の設計を実証した。
  論文  参考訳（メタデータ） (2021-09-16T13:06:43Z)
• Self-supervised Multi-view Stereo via Effective Co-Segmentation and Data-Augmentation [39.95831985522991]
  セマンティック・コセグメンテーションとデータ強化によってガイドされるより信頼性の高い監視と統合されたフレームワークを提案する。 提案手法は教師なし手法の最先端性能を実現し,教師付き手法と同等に競合する。
  論文  参考訳（メタデータ） (2021-04-12T11:48:54Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)
• Revisiting Pixel-Wise Supervision for Face Anti-Spoofing [75.89648108213773]
  対面防止(FAS)は、提示攻撃(PA)から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 伝統的に、二分損失によって教師される深いモデルは、本質的および差別的なスプーフィングパターンを記述するのに弱い。 近年、よりきめ細かいピクセル/パッチレベルのキューを提供することを目的として、FASタスクに対してピクセル単位での監視が提案されている。
  論文  参考訳（メタデータ） (2020-11-24T11:25:58Z)
• Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation [93.83369981759996]
  本稿では,自己監督同変注意機構(SEAM)を提案する。 本手法は,完全教師付きセマンティックセグメンテーションにおいて,同値が暗黙の制約であることを示す。 本稿では,ネットワーク学習のための自己スーパービジョンを提供するために,様々な変換画像から予測されたCAMの整合性正則化を提案する。
  論文  参考訳（メタデータ） (2020-04-09T14:57:57Z)
• Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
  深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。 本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。 複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
  論文  参考訳（メタデータ） (2020-03-31T22:38:09Z)

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。