論文の概要: Feature Generation and Hypothesis Verification for Reliable Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2112.14894v1
• Date: Thu, 30 Dec 2021 02:31:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-04 05:02:28.118797
• Title: Feature Generation and Hypothesis Verification for Reliable Face Anti-Spoofing
• Title（参考訳）: 顔偽造防止のための特徴生成と仮説検証
• Authors: Shice Liu, Shitao Lu, Hongyi Xu, Jing Yang, Shouhong Ding, Lizhuang Ma
• Abstract要約: Face Anti-Spoofing (FAS) 法はドメイン内実験において高い精度を達成する。 本稿では,2つの問題を緩和するための特徴生成と仮説検証フレームワークを提案する。 我々のフレームワークは有望な結果を達成し、広範囲な公開データセットに対する最先端のアプローチよりも優れています。
• 参考スコア（独自算出の注目度）: 23.826854578848135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although existing face anti-spoofing (FAS) methods achieve high accuracy in intra-domain experiments, their effects drop severely in cross-domain scenarios because of poor generalization. Recently, multifarious techniques have been explored, such as domain generalization and representation disentanglement. However, the improvement is still limited by two issues: 1) It is difficult to perfectly map all faces to a shared feature space. If faces from unknown domains are not mapped to the known region in the shared feature space, accidentally inaccurate predictions will be obtained. 2) It is hard to completely consider various spoof traces for disentanglement. In this paper, we propose a Feature Generation and Hypothesis Verification framework to alleviate the two issues. Above all, feature generation networks which generate hypotheses of real faces and known attacks are introduced for the first time in the FAS task. Subsequently, two hypothesis verification modules are applied to judge whether the input face comes from the real-face space and the real-face distribution respectively. Furthermore, some analyses of the relationship between our framework and Bayesian uncertainty estimation are given, which provides theoretical support for reliable defense in unknown domains. Experimental results show our framework achieves promising results and outperforms the state-of-the-art approaches on extensive public datasets.
• Abstract（参考訳）: 既存のface anti-spoofing (fas) 法はドメイン内実験で高い精度を達成しているが、その効果は一般化が不十分なため、クロスドメインシナリオでは著しく低下する。 近年,領域一般化や表現の絡み合いなど,多種多様な手法が研究されている。 しかし、改善は2つの問題によって制限されている。 1) すべての顔を共有機能空間に完全にマッピングすることは困難である。 未知領域の顔が共有特徴空間の既知の領域にマッピングされない場合、誤って不正確な予測が得られる。 2) 様々なスプーフ跡を十分に考慮することは困難である。 本稿では,2つの問題を緩和するための特徴生成と仮説検証フレームワークを提案する。 さらに、FASタスクにおいて、実際の顔と既知の攻撃の仮説を生成する機能生成ネットワークを初めて導入する。 次に、2つの仮説検証モジュールを適用し、入力面がそれぞれ実顔空間と実顔分布から来るかどうかを判定する。 さらに,提案手法とベイズの不確実性推定との関係を解析し,未知領域における信頼性の高い防御を理論的に支援する。 実験の結果,我々のフレームワークは有望な結果を達成し,大規模な公開データセットに対する最先端のアプローチよりも優れていた。

関連論文リスト

• Suppress and Rebalance: Towards Generalized Multi-Modal Face Anti-Spoofing [26.901402236963374]
  Face Anti-Spoofing (FAS) は、顔認証システムのプレゼンテーション攻撃に対する保護に不可欠である。 多くのマルチモーダルなFASアプローチが出現しているが、見当たらない攻撃や展開条件を一般化する上での課題に直面している。
  論文  参考訳（メタデータ） (2024-02-29T16:06:36Z)
• AdvFAS: A robust face anti-spoofing framework against adversarial examples [24.07755324680827]
  本稿では,2つの組み合わされたスコアを利用して,正しく検出された顔画像と誤検出された顔画像とを正確に識別する,頑健な顔アンチスプーフィングフレームワークAdvFASを提案する。 実験では、さまざまなアタック、データセット、バックボーンなど、さまざまな設定でフレームワークの有効性を実証しています。
  論文  参考訳（メタデータ） (2023-08-04T02:47:19Z)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• Few-Shot Domain Expansion for Face Anti-Spoofing [28.622220790439055]
  Face Anti-Spoofing (FAS) は顔認識システムにおいて必須かつ広く使われているモジュールである。 Few-Shot Domain Expansion for Face Anti-Spoofing (FSDE-FAS)
  論文  参考訳（メタデータ） (2021-06-27T07:38:50Z)
• A Bit More Bayesian: Domain-Invariant Learning with Uncertainty [111.22588110362705]
  ドメインの一般化は、ドメインシフトと、ターゲットドメインデータのアクセス不能に起因する不確実性のために困難である。 本稿では,変分ベイズ推定に基づく確率的枠組みを用いて,両課題に対処する。 2層ベイズ型ニューラルネットワークで共同で確立されたドメイン不変表現と分類器を導出する。
  論文  参考訳（メタデータ） (2021-05-09T21:33:27Z)
• Adversarial Robustness under Long-Tailed Distribution [93.50792075460336]
  敵対的ロバスト性はディープネットワークの脆弱性と本質的特徴を明らかにすることで近年広く研究されている。 本研究では,長尾分布下における敵対的脆弱性と防御について検討する。 我々は、スケール不変とデータ再分散という2つの専用モジュールからなるクリーンで効果的なフレームワークであるRoBalを提案する。
  論文  参考訳（メタデータ） (2021-04-06T17:53:08Z)
• Uncertainty-Aware Physically-Guided Proxy Tasks for Unseen Domain Face Anti-spoofing [128.32381246318954]
  Face Anti-Spoofing (FAS)は、偽の顔と偽の顔とを区別しようと試みている。 そこで本研究では,未確認領域のより高度な一般化を実現するために,物理手法を活用することを提案する。
  論文  参考訳（メタデータ） (2020-11-28T03:22:26Z)
• Single-Side Domain Generalization for Face Anti-Spoofing [91.79161815884126]
  対面型アンチスプーフィングの一般化能力を向上させるために,エンドツーエンドの単一側ドメイン一般化フレームワークを提案する。 提案手法は,4つの公開データベース上での最先端手法よりも効果的かつ優れた手法である。
  論文  参考訳（メタデータ） (2020-04-29T09:32:54Z)
• Understanding the Intrinsic Robustness of Image Distributions using Conditional Generative Models [87.00072607024026]
  本稿では,2つの画像ベンチマークの内在的堅牢性について,$ell$摂動下で検討する。 我々は、我々の理論によって示唆されるロバスト性限界と現在の最先端ロバストモデルによって達成される対角的ロバスト性の間に大きなギャップが存在することを示す。
  論文  参考訳（メタデータ） (2020-03-01T01:45:04Z)

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。