論文の概要: Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results

• arxiv url: http://arxiv.org/abs/2304.05753v2
• Date: Thu, 4 May 2023 08:16:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 18:42:33.926083
• Title: Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results
• Title（参考訳）: ワイルドフェイスのアンチスプーフィングチャレンジ2023:ベンチマークと結果
• Authors: Dong Wang, Jia Guo, Qiqi Shao, Haochi He, Zhian Chen, Chuanbao Xiao, Ajian Liu, Sergio Escalera, Hugo Jair Escalante, Lei Zhen, Jun Wan, Jiankang Deng
• Abstract要約: 顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。 制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
• 参考スコア（独自算出の注目度）: 52.600562173852424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing (FAS) is an essential mechanism for safeguarding the integrity of automated face recognition systems. Despite substantial advancements, the generalization of existing approaches to real-world applications remains challenging. This limitation can be attributed to the scarcity and lack of diversity in publicly available FAS datasets, which often leads to overfitting during training or saturation during testing. In terms of quantity, the number of spoof subjects is a critical determinant. Most datasets comprise fewer than 2,000 subjects. With regard to diversity, the majority of datasets consist of spoof samples collected in controlled environments using repetitive, mechanical processes. This data collection methodology results in homogenized samples and a dearth of scenario diversity. To address these shortcomings, we introduce the Wild Face Anti-Spoofing (WFAS) dataset, a large-scale, diverse FAS dataset collected in unconstrained settings. Our dataset encompasses 853,729 images of 321,751 spoof subjects and 529,571 images of 148,169 live subjects, representing a substantial increase in quantity. Moreover, our dataset incorporates spoof data obtained from the internet, spanning a wide array of scenarios and various commercial sensors, including 17 presentation attacks (PAs) that encompass both 2D and 3D forms. This novel data collection strategy markedly enhances FAS data diversity. Leveraging the WFAS dataset and Protocol 1 (Known-Type), we host the Wild Face Anti-Spoofing Challenge at the CVPR2023 workshop. Additionally, we meticulously evaluate representative methods using Protocol 1 and Protocol 2 (Unknown-Type). Through an in-depth examination of the challenge outcomes and benchmark baselines, we provide insightful analyses and propose potential avenues for future research. The dataset is released under Insightface.
• Abstract（参考訳）: 顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 大幅な進歩にもかかわらず、現実のアプリケーションに対する既存のアプローチの一般化は依然として困難である。 この制限は、公開利用可能なfasデータセットの不足と多様性の欠如に起因する可能性がある。 量に関して言えば、被験者の数は臨界決定要因である。 ほとんどのデータセットは2000人未満の被験者で構成されている。 多様性に関して、データセットの大部分は、反復的な機械的プロセスを使用して制御された環境で収集されたスプーフサンプルから成っている。 このデータ収集手法は、均質化されたサンプルとシナリオの多様性の欠如をもたらす。 これらの欠点に対処するために、制約のない環境で収集された大規模で多様なFASデータセットであるWFASデータセット(Wild Face Anti-Spoofing)を導入する。 本データセットは,321,751人の被験者の853,729枚の画像と,148,169人の生きた被験者の529,571枚の画像を含む。 さらに当社のデータセットは,インターネットから取得したspoofデータと,2dと3dの両方を包含する17のプレゼンテーションアタック(pas)を含む,幅広いシナリオとさまざまな商業センサを包含する。 この新たなデータ収集戦略は、fasデータ多様性を著しく向上させる。 WFASデータセットとプロトコル1(Known-Type)を活用して、CVPR2023ワークショップでWild Face Anti-Spoofing Challengeを開催します。 さらに,Protocol 1 とProtocol 2 (Unknown-Type) を用いた代表メソッドの評価を行った。 チャレンジ結果とベンチマーク基準を詳細に検討し,洞察に富んだ分析を行い,今後の研究への道筋を示唆する。 データセットはInsightfaceでリリースされている。

関連論文リスト

• FFAA: Multimodal Large Language Model based Explainable Open-World Face Forgery Analysis Assistant [59.2438504610849]
  FFAA: Face Forgery Analysis Assistant(MLLM)とMIDS(Multi-Awer Intelligent Decision System)について紹介する。 提案手法は,ユーザフレンドリで説明可能な結果を提供するだけでなく,従来の手法に比べて精度と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-08-19T15:15:20Z)
• Privacy-preserving datasets by capturing feature distributions with Conditional VAEs [0.11999555634662634]
  条件付き変分オートエンコーダ(CVAE)は、大きな事前学習された視覚基盤モデルから抽出された特徴ベクトルに基づいて訓練される。 本手法は, 医用領域と自然画像領域の両方において, 従来のアプローチよりも優れている。 結果は、データスカースおよびプライバシに敏感な環境におけるディープラーニングアプリケーションに大きな影響を与える生成モデルの可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-01T15:26:24Z)
• Unified Physical-Digital Attack Detection Challenge [70.67222784932528]
  Face Anti-Spoofing (FAS) は、顔認識(FR)システムを保護するために重要である。 UniAttackDataは、Unified Detectionのための最大の公開データセットである。 我々は,一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元
  論文  参考訳（メタデータ） (2024-04-09T11:00:11Z)
• Diffusion Deepfake [41.59597965760673]
  生成AIの最近の進歩は、主に拡散モデルを通じて、現実世界のディープフェイク検出において大きな課題を呈している。 画像の詳細、多様なコンテンツ、そして一般大衆への幅広いアクセス性におけるリアリズムの増加は、これらの洗練されたディープフェイクの識別を複雑にしている。 本稿では,最先端拡散モデルにより生成された2つの広範囲なディープフェイクデータセットを紹介する。
  論文  参考訳（メタデータ） (2024-04-02T02:17:50Z)
• SynthASpoof: Developing Face Presentation Attack Detection Based on Privacy-friendly Synthetic Data [6.218678900574128]
  この研究は、大規模なPAD開発データセットとして、SynthASpoofと名付けられた、最初の合成ベースの顔PADデータセットを提示する。 フェースパドの開発にSynthaspoofを用いることが可能であることを示す実験結果を得た。 本研究は,限られた訓練データの多様性を高めるために,合成データのサプリメントとしての有用性を示す。
  論文  参考訳（メタデータ） (2023-03-05T12:35:58Z)
• ArtiFact: A Large-Scale Dataset with Artificial and Factual Images for Generalizable and Robust Synthetic Image Detection [0.3779860024918729]
  本稿では,実世界の障害に直面した合成画像検出器の汎用性とロバスト性を評価する。 フィルタストライド削減戦略と組み合わせたマルチクラス分類方式は,社会的プラットフォーム障害に対処する。 ICIP 2022のIEEE VIPカップチャレンジでは、テスト1で8.34%、テスト2で1.26%、テスト3で15.08%と、他のトップチームよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2023-02-23T12:40:36Z)
• Surveillance Face Anti-spoofing [81.50018853811895]
  Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。 本稿では,画像品質による性能劣化を軽減するために,コントラスト品質不変学習(CQIL)ネットワークを提案する。 多くの実験がSuHiFiMaskデータセットの品質と提案したCQILの優位性を検証する。
  論文  参考訳（メタデータ） (2023-01-03T07:09:57Z)
• CelebA-Spoof: Large-Scale Face Anti-Spoofing Dataset with Rich Annotations [85.14435479181894]
  CelebA-Spoofは大規模な顔アンチスプーフデータセットである。 10,177人の被験者の625,537枚の写真が含まれており、既存のデータセットよりもかなり大きい。 10のspoof型アノテーションと、オリジナルのCelebAデータセットから継承された40の属性アノテーションが含まれている。
  論文  参考訳（メタデータ） (2020-07-24T04:28:29Z)
• Face Anti-Spoofing with Human Material Perception [76.4844593082362]
  フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション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。 我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。 本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
  論文  参考訳（メタデータ） (2020-07-04T18:25:53Z)

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。