論文の概要: Cross-Database Liveness Detection: Insights from Comparative Biometric
Analysis
- arxiv url: http://arxiv.org/abs/2401.16232v1
- Date: Mon, 29 Jan 2024 15:32:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 14:15:17.903855
- Title: Cross-Database Liveness Detection: Insights from Comparative Biometric
Analysis
- Title（参考訳）: データベース間ライブネス検出: 比較バイオメトリック解析からの考察
- Authors: Oleksandr Kuznetsov, Dmytro Zakharov, Emanuele Frontoni, Andrea
Maranesi, Serhii Bohucharskyi
- Abstract要約: 生検は生検と生検を区別する能力である。
本研究は, 生活度検出モデルの総合的な評価を行う。
私たちの研究は、バイオメトリックセキュリティの進化するリズムをナビゲートするための青写真を提供しています。
- 参考スコア（独自算出の注目度）: 20.821562115822182
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In an era where biometric security serves as a keystone of modern identity
verification systems, ensuring the authenticity of these biometric samples is
paramount. Liveness detection, the capability to differentiate between genuine
and spoofed biometric samples, stands at the forefront of this challenge. This
research presents a comprehensive evaluation of liveness detection models, with
a particular focus on their performance in cross-database scenarios, a test
paradigm notorious for its complexity and real-world relevance. Our study
commenced by meticulously assessing models on individual datasets, revealing
the nuances in their performance metrics. Delving into metrics such as the Half
Total Error Rate, False Acceptance Rate, and False Rejection Rate, we unearthed
invaluable insights into the models' strengths and weaknesses. Crucially, our
exploration of cross-database testing provided a unique perspective,
highlighting the chasm between training on one dataset and deploying on
another. Comparative analysis with extant methodologies, ranging from
convolutional networks to more intricate strategies, enriched our understanding
of the current landscape. The variance in performance, even among
state-of-the-art models, underscored the inherent challenges in this domain. In
essence, this paper serves as both a repository of findings and a clarion call
for more nuanced, data-diverse, and adaptable approaches in biometric liveness
detection. In the dynamic dance between authenticity and deception, our work
offers a blueprint for navigating the evolving rhythms of biometric security.
- Abstract（参考訳）: 生体認証が現代のアイデンティティ検証システムの鍵となる時代には、これらの生体認証サンプルの信頼性が最重要視されている。
本物と偽造されたバイオメトリックのサンプルを区別するライブ検出は、この課題の最前線にある。
本研究は,その複雑さと実世界の関連性で有名なテストパラダイムであるクロスデータベースシナリオの性能に着目した,生活度検出モデルの包括的評価を行う。
我々の研究は、個々のデータセットのモデルを慎重に評価し、パフォーマンス指標のニュアンスを明らかにすることから始まった。
半分の総誤差率、偽受け入れ率、偽拒絶率といった指標を掘り下げて、モデルの強みと弱みに関する貴重な洞察を見出しました。
重要なのは、当社のデータベース横断テストの調査が、ひとつのデータセットでのトレーニングと、別のデータセットへのデプロイの間の亀裂を強調する、独自の視点を提供したことです。
畳み込みネットワークからより複雑な戦略まで、現存する方法論との比較分析は、現在の風景に対する我々の理解を深めた。
最先端のモデルでさえ、パフォーマンスのばらつきは、この領域における固有の課題を暗示した。
本論文は, バイオメトリック・ライブネス検出における, よりきめ細やかな, データの多様性, 適応可能なアプローチのための, 発見のレポジトリとして機能する。
真正性と偽装のダイナミックダンスでは、生体認証セキュリティの進化リズムをナビゲートするための青写真を提供します。
関連論文リスト
- Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。
我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。
また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
論文 参考訳（メタデータ） (2024-07-19T14:53:18Z) - DiffusionNOCS: Managing Symmetry and Uncertainty in Sim2Real Multi-Modal
Category-level Pose Estimation [20.676510832922016]
本研究では,部分物体形状の復元に不可欠な高密度正準写像を推定するために拡散に依存する確率モデルを提案する。
マルチモーダル入力表現を用いた拡散モデルの強度を活用することにより,性能向上のための重要なコンポーネントを導入する。
提案手法は, 生成した合成データのみに基づいて訓練されているにもかかわらず, 最先端の性能と前例のない一般化特性を達成している。
論文 参考訳（メタデータ） (2024-02-20T01:48:33Z) - The Paradox of Motion: Evidence for Spurious Correlations in
Skeleton-based Gait Recognition Models [4.089889918897877]
本研究は、視覚に基づく歩行認識が主に動きパターンに依存しているという一般的な仮定に挑戦する。
高さ情報の除去が顕著な性能低下につながることを比較分析により示す。
本研究では,時間的情報を無視して個々のポーズを処理する空間変換器モデルを提案する。
論文 参考訳（メタデータ） (2024-02-13T09:33:12Z) - AttackNet: Enhancing Biometric Security via Tailored Convolutional Neural Network Architectures for Liveness Detection [20.821562115822182]
アタックネット(AttackNet)は、生体認証システムにおける偽りの脅威に対処するために設計された、難解な畳み込みニューラルネットワークアーキテクチャである。
低レベルの特徴抽出から高レベルのパターン識別へシームレスに移行する、階層化された防御機構を提供する。
多様なデータセットにまたがってモデルをベンチマークすることは、その長所を証明し、現代のモデルと比較して優れたパフォーマンス指標を示す。
論文 参考訳（メタデータ） (2024-02-06T07:22:50Z) - A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
本稿では,DAF(Disdisrepancy Aware Framework)を提案する。
本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。
単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
論文 参考訳（メタデータ） (2023-10-11T15:21:40Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳（メタデータ） (2023-03-24T05:28:35Z) - Towards Reliable Assessments of Demographic Disparities in Multi-Label
Image Classifiers [11.973749734226852]
マルチラベル画像分類と,特に対象分類タスクについて検討する。
測定のための設計選択とトレードオフは、以前のコンピュータビジョン文学で議論されたよりもニュアンスが高い。
実装の詳細にだけ似ているが、評価の結論に大きな影響を及ぼすいくつかの設計選択を特定します。
論文 参考訳（メタデータ） (2023-02-16T20:34:54Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳（メタデータ） (2022-03-11T02:37:35Z) - How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating
and Auditing Generative Models [95.8037674226622]
ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。
当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
論文 参考訳（メタデータ） (2021-02-17T18:25:30Z) - A Variational Information Bottleneck Approach to Multi-Omics Data
Integration [98.6475134630792]
本稿では,不完全な多視点観測のための深い変動情報ボトルネック (IB) 手法を提案する。
本手法は,対象物に関連のある視点内および視点間相互作用に焦点をあてるために,観測された視点の辺縁および結合表現にISBフレームワークを適用した。
実世界のデータセットの実験から、我々の手法はデータ統合から常に利益を得て、最先端のベンチマークより優れています。
論文 参考訳（メタデータ） (2021-02-05T06:05:39Z) - View-Invariant Gait Recognition with Attentive Recurrent Learning of
Partial Representations [27.33579145744285]
本稿では,まず,フレームレベルの畳み込み特徴から歩行畳み込みエネルギーマップ(GCEM)を抽出するネットワークを提案する。
次に、GCEMの分割されたビンから学ぶために双方向ニューラルネットワークを採用し、学習された部分的リカレント表現の関係を利用する。
提案手法は2つの大規模CASIA-BとOU-Mの歩行データセットで広範囲に検証されている。
論文 参考訳（メタデータ） (2020-10-18T20:20:43Z)
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。