論文の概要: Unknown Face Presentation Attack Detection via Localised Learning of
Multiple Kernels
- arxiv url: http://arxiv.org/abs/2204.10675v1
- Date: Fri, 22 Apr 2022 12:43:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-25 18:20:54.542442
- Title: Unknown Face Presentation Attack Detection via Localised Learning of
Multiple Kernels
- Title（参考訳）: 複数のカーネルの局所学習による未知顔提示攻撃検出
- Authors: Shervin Rahimzadeh Arashloo
- Abstract要約: この論文は、未知のタイプの攻撃の要求シナリオにおいて、スプーフィング、つまりプレゼンテーションアタック検出(PAD)に直面している。
局所的なカーネル重みの集合に結合行列-ノルム制約を課すことにより、凸局所化多重カーネル学習アルゴリズムを定式化する。
- 参考スコア（独自算出の注目度）: 15.000818334408802
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paper studies face spoofing, a.k.a. presentation attack detection (PAD)
in the demanding scenarios of unknown types of attack. While earlier studies
have revealed the benefits of ensemble methods, and in particular, a multiple
kernel learning approach to the problem, one limitation of such techniques is
that they typically treat the entire observation space similarly and ignore any
variability and local structure inherent to the data. This work studies this
aspect of the face presentation attack detection problem in relation to
multiple kernel learning in a one-class setting to benefit from intrinsic local
structure in bona fide face samples. More concretely, inspired by the success
of the one-class Fisher null formalism, we formulate a convex localised
multiple kernel learning algorithm by imposing a joint matrix-norm constraint
on the collection of local kernel weights and infer locally adaptive weights
for zero-shot one-class unseen attack detection.
We present a theoretical study of the proposed localised MKL algorithm using
Rademacher complexities to characterise its generalisation capability and
demonstrate the advantages of the proposed technique over some other options.
An assessment of the proposed approach on general object image datasets
illustrates its efficacy for abnormality and novelty detection while the
results of the experiments on face PAD datasets verifies its potential in
detecting unknown/unseen face presentation attacks.
- Abstract（参考訳）: この論文は、未知の攻撃の要求シナリオにおいて、スプーフィング、つまりプレゼンテーション攻撃検出(PAD)に直面している。
以前の研究では、アンサンブル法、特に問題に対する多重カーネル学習のアプローチの利点が明らかになったが、そのような手法の1つの制限は、通常、観測空間全体を同じように扱い、データ固有の可変性と局所構造を無視していることである。
本研究は,1クラスにおける複数カーネル学習に関連する顔提示攻撃検出問題のこの側面について検討し,bona fide顔サンプルの固有局所構造から利益を得る。
より具体的には、一級フィッシャーヌル形式の成功に触発されて、局所的なカーネル重みの集合に結合行列ノルム制約を課し、ゼロショット一級未確認攻撃検出のための局所適応重みを推論することにより、凸局所化多重カーネル学習アルゴリズムを定式化する。
本稿では,ラデマッハ複素数を用いた局所化mklアルゴリズムに関する理論的研究を行い,その一般化を特徴付けるとともに,提案手法が他の選択肢よりも優れていることを示す。
一般対象画像データセットに対する提案手法の評価は、顔PADデータセットを用いた実験結果が未知/未知の顔提示攻撃の検出の可能性を検証する一方で、異常検出と新規検出の有効性を示す。
関連論文リスト
- A Comprehensive Augmentation Framework for Anomaly Detection [1.6114012813668932]
本稿では,再構成ネットワークのトレーニングに寄与するシミュレーション異常の重要な特徴を解析する。
我々は、このフレームワークを再構築ベースのアプローチと統合し、同時に分割トレーニング戦略を提案する。
論文 参考訳（メタデータ） (2023-08-29T07:00:35Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。
我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。
製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2022-06-23T14:16:30Z) - Dual Contrastive Learning for General Face Forgery Detection [64.41970626226221]
本稿では,正と負のペアデータを構成するDCL (Dual Contrastive Learning) という新しい顔偽造検出フレームワークを提案する。
本研究は, 事例内コントラスト学習(Intra-ICL)において, 偽造顔における局所的内容の不整合に焦点をあてる。
論文 参考訳（メタデータ） (2021-12-27T05:44:40Z) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳（メタデータ） (2021-11-17T13:30:31Z) - Deep Random Projection Outlyingness for Unsupervised Anomaly Detection [1.2249546377051437]
元のランダムプロジェクションアウトライジングネス尺度をニューラルネットワークに修正して関連付け、教師なし異常検出方法を得る。
提案したニューラルネットワークアプローチの性能は、最先端の異常検出手法に匹敵する。
論文 参考訳（メタデータ） (2021-06-08T14:13:43Z) - A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。
我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。
この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
論文 参考訳（メタデータ） (2021-01-12T21:20:09Z) - Learning to Separate Clusters of Adversarial Representations for Robust
Adversarial Detection [50.03939695025513]
本稿では,最近導入された非破壊的特徴を動機とした新しい確率的対向検出器を提案する。
本稿では,非ロバスト特徴を逆例の共通性と考え,その性質に対応する表現空間におけるクラスターの探索が可能であることを推定する。
このアイデアは、別のクラスタ内の逆表現の確率推定分布を導出し、その分布を確率に基づく逆検出器として活用する。
論文 参考訳（メタデータ） (2020-12-07T07:21:18Z) - MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。
提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
論文 参考訳（メタデータ） (2020-10-25T23:01:13Z) - Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。
CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。
複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2020-08-12T06:23:49Z) - Unseen Face Presentation Attack Detection Using Class-Specific Sparse
One-Class Multiple Kernel Fusion Regression [15.000818334408802]
本論文は、目に見えない攻撃シナリオの困難な状況下での顔提示攻撃検出に対処する。
カーネル回帰に基づく一級顔提示攻撃検出手法を開発した。
論文 参考訳（メタデータ） (2019-12-31T11:53:20Z)
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。