論文の概要: PatchNet: A Simple Face Anti-Spoofing Framework via Fine-Grained Patch Recognition

• arxiv url: http://arxiv.org/abs/2203.14325v1
• Date: Sun, 27 Mar 2022 15:16:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-02 18:24:22.379645
• Title: PatchNet: A Simple Face Anti-Spoofing Framework via Fine-Grained Patch Recognition
• Title（参考訳）: PatchNet: ファイングラインドパッチ認識によるシンプルな顔アンチスプーフィングフレームワーク
• Authors: Chien-Yi Wang, Yu-Ding Lu, Shang-Ta Yang, Shang-Hong Lai
• Abstract要約: フェース・アンチ・スプーフィング(FAS)は、提示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。 そこで本稿では,顔の偽造をきめ細かなパッチ型認識問題として再構成するPatchNetを提案する。
• 参考スコア（独自算出の注目度）: 13.840830140721462
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face anti-spoofing (FAS) plays a critical role in securing face recognition systems from different presentation attacks. Previous works leverage auxiliary pixel-level supervision and domain generalization approaches to address unseen spoof types. However, the local characteristics of image captures, i.e., capturing devices and presenting materials, are ignored in existing works and we argue that such information is required for networks to discriminate between live and spoof images. In this work, we propose PatchNet which reformulates face anti-spoofing as a fine-grained patch-type recognition problem. To be specific, our framework recognizes the combination of capturing devices and presenting materials based on the patches cropped from non-distorted face images. This reformulation can largely improve the data variation and enforce the network to learn discriminative feature from local capture patterns. In addition, to further improve the generalization ability of the spoof feature, we propose the novel Asymmetric Margin-based Classification Loss and Self-supervised Similarity Loss to regularize the patch embedding space. Our experimental results verify our assumption and show that the model is capable of recognizing unseen spoof types robustly by only looking at local regions. Moreover, the fine-grained and patch-level reformulation of FAS outperforms the existing approaches on intra-dataset, cross-dataset, and domain generalization benchmarks. Furthermore, our PatchNet framework can enable practical applications like Few-Shot Reference-based FAS and facilitate future exploration of spoof-related intrinsic cues.
• Abstract（参考訳）: 対面防止(FAS)は、異なる提示攻撃から顔認識システムを保護する上で重要な役割を果たす。 以前の研究では、ピクセルレベルの補助的な監督とドメインの一般化アプローチを利用して、見当たらないspoof型に対処している。 しかし,画像キャプチャの局所的特徴,すなわちキャプチャ装置と提示材料は,既存の作品では無視されているため,ネットワークがライブ画像とスプーフ画像を区別するためには,そのような情報が必要である。 本研究では,顔の偽造をきめ細かなパッチ型認識問題として再構成するPatchNetを提案する。 具体的には, 顔画像から切り取ったパッチに基づいて, 撮影装置と提示材料の組み合わせを認識する。 この改定はデータの変化を大幅に改善し、ネットワークに局所的なキャプチャパターンから識別的特徴を学習させる。 さらに,スプーフ特徴の一般化能力をさらに向上するため,パッチ埋め込み空間を正規化するための非対称マージン型分類損失と自己教師型類似損失を提案する。 実験の結果,本モデルでは局所領域のみを観察することで,未知のspoof型をロバストに認識できることが確認された。 さらに、fasのきめ細かいパッチレベルの改革は、イントラデータセット、クロスデータセット、ドメイン一般化ベンチマークの既存のアプローチを上回っている。 さらに,我々のPatchNetフレームワークはFew-Shot Reference-based FASのような実用的アプリケーションを実現し,スプーフ関連本質的手がかりの今後の探索を容易にする。

関連論文リスト

• DiffFAS: Face Anti-Spoofing via Generative Diffusion Models [27.533334690705733]
  Face Anti-Spoofing (FAS) は、顔認証システム(FR)が提示攻撃を防ぐ上で重要な役割を担っている。 画像の品質変化に対応するために,ネットワークに入力された事前情報として品質を定量化するDiffFASフレームワークを提案する。 クロスドメインなFASデータセットとクロスアタックなFASデータセットに対する我々のフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2024-09-13T06:45:23Z)
• A Closer Look at Geometric Temporal Dynamics for Face Anti-Spoofing [13.725319422213623]
  顔認識システムにはFAS(face anti-spoofing)が不可欠である。 本稿では,通常動作と異常動作を区別するGeometry-Aware Interaction Network (GAIN)を提案する。 提案手法は,標準内部およびクロスデータセット評価における最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-25T18:59:52Z)
• Learning Facial Liveness Representation for Domain Generalized Face Anti-spoofing [25.07432145233952]
  Face Anti-Spoofing (FAS) は、顔のスプーフ攻撃と本物とを区別することを目的としている。 スプーフ攻撃の種類が事前に知られていると仮定するのは現実的ではない。 本稿では、前述のドメイン一般化顔偽造防止タスクに対処する深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-08-16T16:13:24Z)
• Exposing Fine-Grained Adversarial Vulnerability of Face Anti-Spoofing Models [13.057451851710924]
  Face-Spoofingは、スプーフする顔画像(例えば、印刷された写真)をライブ画像と区別することを目的としている。 従来は対向攻撃法を用いて対面防汚性能の評価を行った。 本稿では,顔の反偽造モデルにおけるきめ細かな敵の脆弱性を明らかにするための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-30T04:56:33Z)
• Unsupervised Compound Domain Adaptation for Face Anti-Spoofing [74.6122128643823]
  顔認証システムを実環境で堅牢化することを目的とした顔認証対策の課題に対処します。 ソースモデルを対象ドメインに適応させるメモリ拡張手法を,ドメインに意識して提案する。 提案手法は,複数の新しいスプーフ型からなる複合ターゲットドメインに適応する。
  論文  参考訳（メタデータ） (2021-05-18T12:08:07Z)
• Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
  紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。 オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
  論文  参考訳（メタデータ） (2021-02-01T09:17:18Z)
• Camera Invariant Feature Learning for Generalized Face Anti-spoofing [95.30490139294136]
  本稿では,特徴レベルの取得カメラから固有のばらつきの影響を排除したフレームワークについて述べる。 実験により、提案手法はデータセット内設定とデータセット間設定の両方でより良いパフォーマンスを達成できることが示された。
  論文  参考訳（メタデータ） (2021-01-25T13:40:43Z)
• 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)
• 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)
• Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
  顔認識システムのセキュリティには、顔の偽造が不可欠だ。 本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:54:23Z)

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。