論文の概要: Face Anti-Spoofing from the Perspective of Data Sampling

• arxiv url: http://arxiv.org/abs/2208.13164v1
• Date: Sun, 28 Aug 2022 07:54:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 13:59:24.406694
• Title: Face Anti-Spoofing from the Perspective of Data Sampling
• Title（参考訳）: データサンプリングの観点から見た対面型アンチスプーフィング
• Authors: Usman Muhammad and Mourad Oussalah
• Abstract要約: 顔提示攻撃検出は、デジタルデバイスに安全な顔アクセスを提供する上で重要な役割を果たす。 既存のビデオベースのPAD対策には、ビデオの長時間の時間変動に対処する能力がない。 本稿では,ガウス重み関数に基づく長距離時間変動をモデル化したビデオ処理方式を提案する。
• 参考スコア（独自算出の注目度）: 0.342658286826597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Without deploying face anti-spoofing countermeasures, face recognition systems can be spoofed by presenting a printed photo, a video, or a silicon mask of a genuine user. Thus, face presentation attack detection (PAD) plays a vital role in providing secure facial access to digital devices. Most existing video-based PAD countermeasures lack the ability to cope with long-range temporal variations in videos. Moreover, the key-frame sampling prior to the feature extraction step has not been widely studied in the face anti-spoofing domain. To mitigate these issues, this paper provides a data sampling approach by proposing a video processing scheme that models the long-range temporal variations based on Gaussian Weighting Function. Specifically, the proposed scheme encodes the consecutive t frames of video sequences into a single RGB image based on a Gaussian-weighted summation of the t frames. Using simply the data sampling scheme alone, we demonstrate that state-of-the-art performance can be achieved without any bells and whistles in both intra-database and inter-database testing scenarios for the three public benchmark datasets; namely, Replay-Attack, MSU-MFSD, and CASIA-FASD. In particular, the proposed scheme provides a much lower error (from 15.2% to 6.7% on CASIA-FASD and 5.9% to 4.9% on Replay-Attack) compared to baselines in cross-database scenarios.
• Abstract（参考訳）: 顔の偽造防止対策を展開せずに、本物のユーザのプリント写真、ビデオ、シリコンマスクを提示することにより、顔認識システムを偽造することができる。 このように、顔提示攻撃検出(PAD)はデジタルデバイスに安全な顔アクセスを提供する上で重要な役割を果たす。 既存のビデオベースのパッド対策の多くは、ビデオの長距離時間的変動に対処する能力がない。 また, 特徴抽出前のキーフレームサンプリングは, フェース・アンチ・スプーフィング領域では広く研究されていない。 そこで本稿では,ガウスの重み付け関数に基づく長距離時間変化をモデル化する映像処理手法を提案することにより,データサンプリング手法を提案する。 具体的には,ビデオシーケンスの連続tフレームを,tフレームのガウス重み付け和に基づいて,単一のRGB画像に符号化する。 単にデータサンプリングスキームのみを用いて,3つの公開ベンチマークデータセット(Replay-Attack, MSU-MFSD, CASIA-FASD)に対して,データベース内およびデータベース間テストシナリオにおいて,最先端のパフォーマンスをいかなる問題もなく達成できることを実証した。 特に、提案されたスキームは、データベース間のシナリオのベースラインよりもはるかに低いエラー(CASIA-FASDは15.2%から6.7%、Replay-Attackは5.9%から4.9%)を提供する。

関連論文リスト

• Deep Ensemble Learning with Frame Skipping for Face Anti-Spoofing [5.543184872682789]
  顔提示攻撃 (PA) は生体認証システムに重大な脅威をもたらす。 連続するビデオフレームにおける顔の動きを解析するいくつかのビデオベース手法が文献で紹介されている。 本稿では,顔のアンチスプーフ処理を動作予測問題として言い換え,フレームスキッピング機構を備えた深層アンサンブル学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-07-06T08:50:29Z)
• Seq-Masks: Bridging the gap between appearance and gait modeling for video-based person re-identification [10.490428828061292]
  イデオをベースとした人物識別(Re-ID)は、不随意監視カメラが捉えた映像の人物像をマッチングすることを目的としている。 従来のビデオベースのRe-ID手法では、外観情報の探索に重点を置いており、照明の変化、シーンノイズ、カメラパラメータ、特に衣服やキャリーのバリエーションに対して脆弱である。 映像中のシークエンスマスク(SeqMask)を利用して、外観情報と歩行モデリングを密接な方法で統合するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-10T16:00:20Z)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)
• 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)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)
• Sharp Multiple Instance Learning for DeepFake Video Detection [54.12548421282696]
  我々はDeepFakeビデオに、ビデオレベルのラベルのみを提供するが、フェイクビデオのすべての顔が操作されるわけではない部分的な顔攻撃という新しい問題を導入する。 インスタンス埋め込みからバッグ予測への直接マッピングを構築する鋭いMIL(S-MIL)を提案する。 FFPMSと広く使われているDFDCデータセットの実験により、S-MILは部分的に攻撃されたDeepFakeビデオ検出において他の手法よりも優れていることが確認された。
  論文  参考訳（メタデータ） (2020-08-11T08:52:17Z)
• 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)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。