論文の概要: Learning Polysemantic Spoof Trace: A Multi-Modal Disentanglement Network
for Face Anti-spoofing
- arxiv url: http://arxiv.org/abs/2212.03943v1
- Date: Wed, 7 Dec 2022 20:23:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 15:22:59.590755
- Title: Learning Polysemantic Spoof Trace: A Multi-Modal Disentanglement Network
for Face Anti-spoofing
- Title（参考訳）: 多元的spoofトレースの学習 : 対面反スプーフィングのためのマルチモーダル異方性ネットワーク
- Authors: Kaicheng Li, Hongyu Yang, Binghui Chen, Pengyu Li, Biao Wang, Di Huang
- Abstract要約: 本稿では,より正確で堅牢な汎用攻撃検出のために,多面的スプーフトレースをターゲットとしたマルチモーダル・アンタングルモデルを提案する。
特に、対角学習機構に基づいて、RGBと深度入力からそれぞれスプーフパターンを推定する2ストリームディエンタングリングネットワークを設計する。
- 参考スコア（独自算出の注目度）: 34.44061534596512
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Along with the widespread use of face recognition systems, their
vulnerability has become highlighted. While existing face anti-spoofing methods
can be generalized between attack types, generic solutions are still
challenging due to the diversity of spoof characteristics. Recently, the spoof
trace disentanglement framework has shown great potential for coping with both
seen and unseen spoof scenarios, but the performance is largely restricted by
the single-modal input. This paper focuses on this issue and presents a
multi-modal disentanglement model which targetedly learns polysemantic spoof
traces for more accurate and robust generic attack detection. In particular,
based on the adversarial learning mechanism, a two-stream disentangling network
is designed to estimate spoof patterns from the RGB and depth inputs,
respectively. In this case, it captures complementary spoofing clues inhering
in different attacks. Furthermore, a fusion module is exploited, which
recalibrates both representations at multiple stages to promote the
disentanglement in each individual modality. It then performs cross-modality
aggregation to deliver a more comprehensive spoof trace representation for
prediction. Extensive evaluations are conducted on multiple benchmarks,
demonstrating that learning polysemantic spoof traces favorably contributes to
anti-spoofing with more perceptible and interpretable results.
- Abstract（参考訳）: 顔認識システムの普及に伴い、その脆弱性が強調されている。
既存のフェイス・アンチ・スプーフィングメソッドは攻撃タイプ間で一般化することができるが、spoof特性の多様性のため、汎用的なソリューションは依然として困難である。
近年,スプーフトレースのアンタングル化フレームワークは,見知らぬスプーフシナリオと見えないスプーフシナリオの両方に対処する大きな可能性を示しているが,その性能は単一モーダル入力によって大きく制限されている。
本稿では,より高精度でロバストな汎用攻撃検出のための多元的spoofトレースを対象とするマルチモーダル異方性モデルを提案する。
特に,対向学習機構に基づき,rgbと奥行き入力からspoofパターンを推定するために,2ストリームの分散ネットワークが設計されている。
この場合、異なる攻撃で引き起こされる相補的なスプーフィングの手がかりをキャプチャする。
さらに、複数の段階で両方の表現を再結合し、個々のモダリティにおける絡み合いを促進する融合モジュールが悪用されている。
次にクロスモダリティアグリゲーションを実行し、予測のためにより包括的なspoofトレース表現を提供する。
複数のベンチマークで広範な評価が行われ、多神学的なspoofトレースの学習が、より知覚可能で解釈可能な結果を持つアンチスプーフィングに有利に寄与することを示した。
関連論文リスト
- Meta Invariance Defense Towards Generalizable Robustness to Unknown Adversarial Attacks [62.036798488144306]
現在の防衛は主に既知の攻撃に焦点を当てているが、未知の攻撃に対する敵意の強固さは見過ごされている。
メタ不変防衛(Meta Invariance Defense, MID)と呼ばれる攻撃非依存の防御手法を提案する。
MIDは高レベルの画像分類と低レベルの頑健な画像再生における攻撃抑制において,知覚不能な逆方向の摂動に対して同時に頑健性を実現する。
論文 参考訳（メタデータ） (2024-04-04T10:10:38Z) - SHIELD : An Evaluation Benchmark for Face Spoofing and Forgery Detection
with Multimodal Large Language Models [63.946809247201905]
フェーススプーフィングと偽造検出におけるMLLMの能力を評価するための新しいベンチマーク、ShielDを導入する。
我々は、これらの2つの顔セキュリティタスクにおいて、マルチモーダル顔データを評価するために、真/偽/複数選択の質問を設計する。
その結果,MLLMは顔セキュリティ領域において大きな可能性を秘めていることがわかった。
論文 参考訳（メタデータ） (2024-02-06T17:31:36Z) - Hyperbolic Face Anti-Spoofing [21.981129022417306]
双曲空間におけるよりリッチな階層的および差別的なスプーフィングキューを学習することを提案する。
単調なFAS学習では、特徴埋め込みはポアンカーボールに投影され、双対対対数回帰層は分類のためにカスケードされる。
双曲空間における消失勾配問題を緩和するために,双曲モデルのトレーニング安定性を高めるために,新しい特徴クリッピング法を提案する。
論文 参考訳（メタデータ） (2023-08-17T17:18:21Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。
現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。
空間周波数Krawtchouk分解に基づく識別検出器を提案する。
論文 参考訳（メタデータ） (2023-05-18T10:18:59Z) - 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) - 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) - 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) - On Disentangling Spoof Trace for Generic Face Anti-Spoofing [24.75975874643976]
偽造防止の鍵は「偽造痕跡」と呼ばれる微妙なイメージパターンにある
本研究は,スプーフトレースを入力面から切り離すための,新たな逆学習フレームワークを設計する。
論文 参考訳（メタデータ） (2020-07-17T23:14:16Z) - Learning Generalized Spoof Cues for Face Anti-spoofing [43.32561471100592]
本研究では,スプーフ・キューとして定義される識別的ライブ・スプーフの差異を学習するための残差学習フレームワークを提案する。
ジェネレータは、生きたサンプルのスプーフキューを最小限に抑えつつ、見知らぬ攻撃に対してうまく一般化するために、スプーフサンプルのスプーフキューに明示的な制約を課さない。
実験の結果,提案手法は最先端の手法よりも一貫して優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-08T09:22:13Z)
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。