論文の概要: Learning Multiple Explainable and Generalizable Cues for Face Anti-spoofing

• arxiv url: http://arxiv.org/abs/2202.10187v1
• Date: Mon, 21 Feb 2022 12:55:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-23 09:31:46.963026
• Title: Learning Multiple Explainable and Generalizable Cues for Face Anti-spoofing
• Title（参考訳）: 顔のスプーフィングに対する複数の説明可能かつ一般化可能な手がかりの学習
• Authors: Ying Bian, Peng Zhang, Jingjing Wang, Chunmao Wang, Shiliang Pu
• Abstract要約: 本稿では,顔のアンチスプーフィングのための複数の説明可能な一般化可能なキュー(MEGC)を学習するための新しいフレームワークを提案する。 人的決定のプロセスに触発されて、主に人間によって使用される4つのキューが補助的な監督として紹介される。
• 参考スコア（独自算出の注目度）: 35.60198131792312
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although previous CNN based face anti-spoofing methods have achieved promising performance under intra-dataset testing, they suffer from poor generalization under cross-dataset testing. The main reason is that they learn the network with only binary supervision, which may learn arbitrary cues overfitting on the training dataset. To make the learned feature explainable and more generalizable, some researchers introduce facial depth and reflection map as the auxiliary supervision. However, many other generalizable cues are unexplored for face anti-spoofing, which limits their performance under cross-dataset testing. To this end, we propose a novel framework to learn multiple explainable and generalizable cues (MEGC) for face anti-spoofing. Specifically, inspired by the process of human decision, four mainly used cues by humans are introduced as auxiliary supervision including the boundary of spoof medium, moir\'e pattern, reflection artifacts and facial depth in addition to the binary supervision. To avoid extra labelling cost, corresponding synthetic methods are proposed to generate these auxiliary supervision maps. Extensive experiments on public datasets validate the effectiveness of these cues, and state-of-the-art performances are achieved by our proposed method.
• Abstract（参考訳）: 従来のcnnベースのフェイスアンチスプーフィング手法は、データセット内テストで有望な性能を達成したが、データセット間テストでは一般化が不十分である。 主な理由は、バイナリ監視のみでネットワークを学習し、トレーニングデータセットに過度に適合する任意のキューを学ぶことができるためである。 学習された特徴を説明し、より一般化するために、一部の研究者は補助監督として顔の深さと反射マップを導入した。 しかし、他の多くの一般化可能な手掛かりは、クロスデータセットテストで性能が制限される、対スプーフィングのための未調査である。 そこで本研究では,複数の説明可能かつ一般化可能な手掛かり(megc)を学習する新しい枠組みを提案する。 具体的には、人間の決定の過程に触発されて、主にヒトが用いた4つのキューが補助監督として導入され、副監督に加えて、スプーフ媒体、モワールパターン、反射アーティファクト、顔深度などが含まれる。 余分なラベリングコストを避けるため、これらの補助監視マップを生成するための対応する合成法を提案する。 公開データセットに関する広範囲な実験により,これらの手がかりの有効性が検証され,提案手法により最新性能が得られた。

関連論文リスト

• Learning to Discover Forgery Cues for Face Forgery Detection [12.938400190194946]
  弱教師付きモデルであるForgery Cue Discovery (FoCus)を導入し、不対面の偽の手がかりを見つける。 FoCusは、部分的かつ不正確な偽造の手がかりを捕捉する際の欠点を補うように設計されている。 生成した操作マップは、顔偽造検知器を強化するためにより良い監視を行うことができる。
  論文  参考訳（メタデータ） (2024-09-02T08:07:58Z)
• 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)
• 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)
• Generalized Face Anti-Spoofing via Multi-Task Learning and One-Side Meta Triplet Loss [12.829618913069567]
  本稿では, 深度推定, 顔解析, ライブ・スプーフ分類という3つの課題からなる, 汎用的な顔のアンチ・スプーフ・フレームワークを提案する。 4つの公開データセットの実験では、提案されたフレームワークとトレーニング戦略が、未確認領域へのモデル一般化の以前の作業よりも効果的であることが示されている。
  論文  参考訳（メタデータ） (2022-11-29T06:28:00Z)
• Generalizable Method for Face Anti-Spoofing with Semi-Supervised Learning [0.0]
  顔の偽造防止は生体認証システムにおける高いセキュリティ要件のために多くの注目を集めている。 フェースバイオメトリックを商用ハードウェアに持ち込むことは、フェイクログインセッションを検出するための信頼性の高い方法の開発に大きく依存するようになった。 現在のCNNベースの手法は、トレーニング対象のドメインでよく機能するが、以前は見つからなかったデータセットでは一般化が不十分であることが多い。
  論文  参考訳（メタデータ） (2022-06-13T22:44:14Z)
• More than just an auxiliary loss: Anti-spoofing Backbone Training via Adversarial Pseudo-depth Generation [4.542003078412816]
  RGB画像を用いたアンチ・スプーフィングのタスクにおいて,新たなトレーニング・パイプラインの手法について検討した。 本手法は, 15.8 倍のパラメータを用いて, 最新のアンチスプーフィングモデルのベースライン性能にアプローチする。
  論文  参考訳（メタデータ） (2021-01-01T09:00:17Z)
• 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)
• Face Anti-Spoofing with Human Material Perception [76.4844593082362]
  フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション攻撃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。 我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。 本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
  論文  参考訳（メタデータ） (2020-07-04T18:25:53Z)
• Spoof Face Detection Via Semi-Supervised Adversarial Training [34.99908561729825]
  顔の偽造は、顔認識システムに深刻なセキュリティ上の脅威を引き起こす。 本研究では,スプーフ顔検出のための半教師付き対向学習フレームワークを提案する。 われわれのアプローチは、スプーフの面がないため、様々な種類のスプーフ、さらには未知のスプーフに対して、堅牢で一般的なものである。
  論文  参考訳（メタデータ） (2020-05-22T04:32:33Z)
• Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
  深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。 2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。 提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-03-18T06:11:20Z)

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。