論文の概要: VoxAtnNet: A 3D Point Clouds Convolutional Neural Network for Generalizable Face Presentation Attack Detection
- arxiv url: http://arxiv.org/abs/2404.12680v1
- Date: Fri, 19 Apr 2024 07:30:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-22 15:55:43.271394
- Title: VoxAtnNet: A 3D Point Clouds Convolutional Neural Network for Generalizable Face Presentation Attack Detection
- Title(参考訳): VoxAtnNet: 汎用顔提示検出のための3Dポイント雲畳み込みニューラルネットワーク
- Authors: Raghavendra Ramachandra, Narayan Vetrekar, Sushma Venkatesh, Savita Nageshker, Jag Mohan Singh, R. S. Gad,
- Abstract要約: 顔バイオメトリックシステムはプレゼンテーションアタック(PA)に対して脆弱である
本稿では,スマートフォンの前面カメラを用いて捉えた3次元点雲に基づくプレゼンテーション攻撃検出(PAD)アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 2.6118211807973157
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Facial biometrics are an essential components of smartphones to ensure reliable and trustworthy authentication. However, face biometric systems are vulnerable to Presentation Attacks (PAs), and the availability of more sophisticated presentation attack instruments such as 3D silicone face masks will allow attackers to deceive face recognition systems easily. In this work, we propose a novel Presentation Attack Detection (PAD) algorithm based on 3D point clouds captured using the frontal camera of a smartphone to detect presentation attacks. The proposed PAD algorithm, VoxAtnNet, processes 3D point clouds to obtain voxelization to preserve the spatial structure. Then, the voxelized 3D samples were trained using the novel convolutional attention network to detect PAs on the smartphone. Extensive experiments were carried out on the newly constructed 3D face point cloud dataset comprising bona fide and two different 3D PAIs (3D silicone face mask and wrap photo mask), resulting in 3480 samples. The performance of the proposed method was compared with existing methods to benchmark the detection performance using three different evaluation protocols. The experimental results demonstrate the improved performance of the proposed method in detecting both known and unknown face presentation attacks.
- Abstract(参考訳): 顔認証はスマートフォンの信頼性と信頼性を確保するための重要な要素である。
しかし、顔バイオメトリックシステムはプレゼンテーションアタック(PA)に対して脆弱であり、3Dシリコンフェイスマスクのようなより洗練されたプレゼンテーションアタック機器を使用することで、攻撃者は顔認識システムを簡単に騙すことができる。
本研究では,スマートフォンの前面カメラを用いて捉えた3次元点群に基づくプレゼンテーション攻撃検出(PAD)アルゴリズムを提案する。
提案したPADアルゴリズムであるVoxAtnNetは、空間構造を保存するために3次元点雲を処理する。
そして、新しいコンボリューションアテンションネットワークを用いて3Dサンプルを訓練し、スマートフォン上でPAを検出する。
ボナファイドと2つの異なる3次元PAI(3Dシリコーンフェイスマスクとラップフォトマスク)からなる新たに構築した3Dフェイスポイントクラウドデータセットに対して、大規模な実験を行い、3480のサンプルを得た。
提案手法の性能を3つの異なる評価プロトコルを用いて検出性能をベンチマークする既存手法と比較した。
実験により,顔の提示攻撃と顔の提示攻撃の両方を検知する手法の有効性が示された。
関連論文リスト
- Deep Learning based CNN Model for Classification and Detection of
Individuals Wearing Face Mask [0.0]
このプロジェクトでは、ディープラーニングを利用して、リアルタイムストリーミングビデオや画像のフェイスマスクを検出するモデルを作成する。
この研究の主な焦点は、特にセンシティブな領域におけるセキュリティを強化することである。
この研究は、画像前処理、画像トリミング、画像分類の3段階に展開している。
論文 参考訳(メタデータ) (2023-11-17T09:24:04Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳(メタデータ) (2023-10-18T14:49:54Z) - Towards Effective Adversarial Textured 3D Meshes on Physical Face
Recognition [42.60954035488262]
本研究の目的は、商業システムに対する対角的堅牢性の評価をエンドツーエンドで行うことのできる、より信頼性の高い技術を開発することである。
我々は、人間の顔に精巧なトポロジーを持つ、敵のテクスチャ化された3Dメッシュ(AT3D)を設計し、攻撃者の顔に3Dプリントして貼り付けることで、防御を回避する。
メッシュベースの空間から逸脱するために,3次元形態モデルに基づく低次元係数空間の摂動を提案する。
論文 参考訳(メタデータ) (2023-03-28T08:42:54Z) - Face Presentation Attack Detection [59.05779913403134]
顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。
しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
論文 参考訳(メタデータ) (2022-12-07T14:51:17Z) - A Physical-World Adversarial Attack Against 3D Face Recognition [10.577749566854626]
構造光イメージングは3次元形状を測定する一般的な方法である。
この方法は容易に攻撃でき、不正確な3D顔認識につながる。
本稿では, 構造光攻撃と呼ばれる, 縁構造光システムに対する, 物理的に達成可能な新たな攻撃法を提案する。
論文 参考訳(メタデータ) (2022-05-26T15:06:14Z) - TransRPPG: Remote Photoplethysmography Transformer for 3D Mask Face
Presentation Attack Detection [53.98866801690342]
3次元マスク提示攻撃検出(PAD)は、3次元マスク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。
ライブ本質表現を効率的に学習するための純粋なrトランス(TransR)フレームワークを提案する。
当社のTransRは軽量で効率的(547Kパラメータと763MOPのみ)で、モバイルレベルのアプリケーションに期待できる。
論文 参考訳(メタデータ) (2021-04-15T12:33:13Z) - Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face
Presentation Attack Detection [103.7264459186552]
顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。
ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。
現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
論文 参考訳(メタデータ) (2021-04-13T12:48:38Z) - 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) - 3D Face Anti-spoofing with Factorized Bilinear Coding [35.30886962572515]
本稿では, きめ細かい分類の観点から, 新規なアンチ・スプーフィング法を提案する。
RGB と YCbCr 空間から識別的かつ相補的情報を抽出することにより、3次元顔スプーフィング検出の原理的解法を開発した。
論文 参考訳(メタデータ) (2020-05-12T03:09:20Z) - 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。