論文の概要: A Comprehensive Evaluation on Multi-channel Biometric Face Presentation Attack Detection

• arxiv url: http://arxiv.org/abs/2202.10286v1
• Date: Mon, 21 Feb 2022 15:04:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-23 11:34:09.543389
• Title: A Comprehensive Evaluation on Multi-channel Biometric Face Presentation Attack Detection
• Title（参考訳）: 多チャンネルバイオメトリック顔提示攻撃検出に関する包括的評価
• Authors: Anjith George and David Geissbuhler and Sebastien Marcel
• Abstract要約: プレゼンテーションアタック検出(PAD)システムはこの問題に対処しようとする。 一般化と堅牢性の欠如は、引き続き大きな関心事である。 マルチチャネルの畳み込み型ネットワークアーキテクチャを用いて,画素単位のバイナリ監視を行う。
• 参考スコア（独自算出の注目度）: 6.488575826304023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The vulnerability against presentation attacks is a crucial problem undermining the wide-deployment of face recognition systems. Though presentation attack detection (PAD) systems try to address this problem, the lack of generalization and robustness continues to be a major concern. Several works have shown that using multi-channel PAD systems could alleviate this vulnerability and result in more robust systems. However, there is a wide selection of channels available for a PAD system such as RGB, Near Infrared, Shortwave Infrared, Depth, and Thermal sensors. Having a lot of sensors increases the cost of the system, and therefore an understanding of the performance of different sensors against a wide variety of attacks is necessary while selecting the modalities. In this work, we perform a comprehensive study to understand the effectiveness of various imaging modalities for PAD. The studies are performed on a multi-channel PAD dataset, collected with 14 different sensing modalities considering a wide range of 2D, 3D, and partial attacks. We used the multi-channel convolutional network-based architecture, which uses pixel-wise binary supervision. The model has been evaluated with different combinations of channels, and different image qualities on a variety of challenging known and unknown attack protocols. The results reveal interesting trends and can act as pointers for sensor selection for safety-critical presentation attack detection systems. The source codes and protocols to reproduce the results are made available publicly making it possible to extend this work to other architectures.
• Abstract（参考訳）: プレゼンテーション攻撃に対する脆弱性は、顔認識システムの広範な展開を妨げる重要な問題である。 プレゼンテーションアタック検出(PAD)システムはこの問題に対処しようとするが、一般化の欠如と堅牢性の欠如が大きな問題となっている。 いくつかの研究は、マルチチャネルPADシステムを使用することでこの脆弱性を軽減し、より堅牢なシステムが得られることを示した。 しかし、rgb、近赤外線、短波赤外線、奥行き、熱センサーなどのパッドシステムでは幅広いチャネルが選択できる。 センサの多さはシステムのコストを増加させるため、異なるセンサーの性能を様々な攻撃に対して理解するためには、モダリティを選択する必要がある。 本研究では,PADにおける様々な画像モダリティの有効性を理解するための総合的研究を行う。 2d,3d,部分攻撃の広い範囲を考慮し,14種類のセンシングモダリティで収集したマルチチャネルパッドデータセットを用いて研究を行った。 我々は,画素単位のバイナリ監視を用いたマルチチャネル畳み込みネットワークアーキテクチャを用いた。 このモデルは異なるチャネルの組み合わせ、様々な挑戦的な既知の攻撃プロトコルと未知の攻撃プロトコルで異なる画像品質で評価されている。 結果は興味深い傾向を示し,安全クリティカルなプレゼンテーションアタック検出システムのためのセンサ選択のためのポインタとして機能する。 結果を再現するソースコードとプロトコルは公開されており、この作業を他のアーキテクチャにも拡張することができる。

関連論文リスト

• One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
  マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。 提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。 提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
  論文  参考訳（メタデータ） (2024-03-24T13:44:57Z)
• A Review on Digital Pixel Sensors [0.4999814847776097]
  デジタルピクセルセンサー(DPS)は、現代のイメージングシステムにおいて重要なコンポーネントとして進化してきた。 しかし、ADC回路の調節に起因する各画素に固有の複雑さは、画素ピッチを大幅に増加させる。 本稿では,DPS技術の広範な領域について概観する。
  論文  参考訳（メタデータ） (2024-02-07T01:26:14Z)
• LCPR: A Multi-Scale Attention-Based LiDAR-Camera Fusion Network for Place Recognition [11.206532393178385]
  本稿では,マルチモーダル位置認識のための新しいニューラルネットワークLCPRを提案する。 位置認識性能を向上させるために,マルチビューカメラとLiDARデータを効果的に利用することができる。
  論文  参考訳（メタデータ） (2023-11-06T15:39:48Z)
• Enhancing Mobile Face Anti-Spoofing: A Robust Framework for Diverse Attack Types under Screen Flash [6.870705319423985]
  顔認証システムを確保するためには、顔の偽造防止(FAS)が不可欠である。 ATR-FASと呼ばれる軽フラッシュ下での攻撃型頑健な対面防止フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-29T14:41:40Z)
• Drone Detection and Tracking in Real-Time by Fusion of Different Sensing Modalities [66.4525391417921]
  マルチセンサ・ドローン検知システムの設計と評価を行う。 われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。 このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
  論文  参考訳（メタデータ） (2022-07-05T10:00:58Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• GEM: Glare or Gloom, I Can Still See You -- End-to-End Multimodal Object Detector [11.161639542268015]
  厳しい照明条件下での2次元物体検出のためのセンサ対応マルチモーダル融合戦略を提案する。 本ネットワークは,各センサモダリティの測定信頼性をスカラーウェイトとマスクの形で推定する。 提案手法はFLIR-Thermalデータセット上で既存の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T14:56:37Z)
• Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
  本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。 実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。 よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
  論文  参考訳（メタデータ） (2021-01-17T21:15:34Z)
• Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
  本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
  論文  参考訳（メタデータ） (2020-09-01T03:38:31Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• 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。