論文の概要: A Multi-Modal Approach for Face Anti-Spoofing in Non-Calibrated Systems using Disparity Maps

• arxiv url: http://arxiv.org/abs/2410.24031v1
• Date: Thu, 31 Oct 2024 15:29:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 17:03:06.254478
• Title: A Multi-Modal Approach for Face Anti-Spoofing in Non-Calibrated Systems using Disparity Maps
• Title（参考訳）: 差分マップを用いた非校正システムにおける顔アンチスプーフィングのマルチモーダルアプローチ
• Authors: Ariel Larey, Eyal Rond, Omer Achrack,
• Abstract要約: 顔認識技術は、顔の偽造攻撃に対して脆弱である。 ステレオ深度カメラはこのような攻撃を効果的に検出できるが、その高いコストで採用が制限される。 本稿では,顔の特徴を利用して異質情報を導き出すことにより,この課題を克服する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.6144680854063939
• License:
• Abstract: Face recognition technologies are increasingly used in various applications, yet they are vulnerable to face spoofing attacks. These spoofing attacks often involve unique 3D structures, such as printed papers or mobile device screens. Although stereo-depth cameras can detect such attacks effectively, their high-cost limits their widespread adoption. Conversely, two-sensor systems without extrinsic calibration offer a cost-effective alternative but are unable to calculate depth using stereo techniques. In this work, we propose a method to overcome this challenge by leveraging facial attributes to derive disparity information and estimate relative depth for anti-spoofing purposes, using non-calibrated systems. We introduce a multi-modal anti-spoofing model, coined Disparity Model, that incorporates created disparity maps as a third modality alongside the two original sensor modalities. We demonstrate the effectiveness of the Disparity Model in countering various spoof attacks using a comprehensive dataset collected from the Intel RealSense ID Solution F455. Our method outperformed existing methods in the literature, achieving an Equal Error Rate (EER) of 1.71% and a False Negative Rate (FNR) of 2.77% at a False Positive Rate (FPR) of 1%. These errors are lower by 2.45% and 7.94% than the errors of the best comparison method, respectively. Additionally, we introduce a model ensemble that addresses 3D spoof attacks as well, achieving an EER of 2.04% and an FNR of 3.83% at an FPR of 1%. Overall, our work provides a state-of-the-art solution for the challenging task of anti-spoofing in non-calibrated systems that lack depth information.
• Abstract（参考訳）: 顔認識技術は、様々なアプリケーションでますます使われているが、偽造攻撃に対して脆弱である。 これらの偽造攻撃は、印刷された紙やモバイルデバイスの画面のようなユニークな3D構造を含むことが多い。 立体深度カメラはこのような攻撃を効果的に検出できるが、その高コストは広く普及を制限する。 逆に、外部キャリブレーションのない2センサシステムは、コスト効率の良い代替手段を提供するが、ステレオ技術を使って深さを計算することはできない。 本研究では,非校正システムを用いて,顔の属性を利用して不均質情報を導出し,相対的な深度を推定することにより,この課題を克服する手法を提案する。 本稿では,2つのセンサモードとともに生成した不均質写像を第3のモダリティとして組み込んだマルチモーダル・アンチ・スプーフィング・モデル(Disparity Model)を提案する。 本稿では,Intel RealSense ID Solution F455から収集した包括的データセットを用いて,各種スプーフ攻撃に対するDisparity Modelの有効性を示す。 提案手法は文献において既存の手法よりも優れており,EERは1.71%,FNRは2.77%,FPRは1%であった。 これらのエラーは、それぞれ最良の比較方法のエラーよりも2.45%と7.94%低い。 また、3Dスプーフ攻撃にも対処するモデルアンサンブルを導入し、EERは2.04%、FNRは3.83%、FPRは1%である。 全体として、私たちの研究は、深度情報に欠ける非校正システムにおけるアンチ・スプーフィングの課題に対して、最先端のソリューションを提供しています。

関連論文リスト

• ODDR: Outlier Detection & Dimension Reduction Based Defense Against Adversarial Patches [4.4100683691177816]
  敵対的攻撃は、機械学習モデルの信頼性の高いデプロイに重大な課題をもたらす。 パッチベースの敵攻撃に対処するための総合的な防御戦略である外乱検出・次元削減(ODDR)を提案する。 提案手法は,逆パッチに対応する入力特徴を外れ値として同定できるという観測に基づいている。
  論文  参考訳（メタデータ） (2023-11-20T11:08:06Z)
• A Universal Anti-Spoofing Approach for Contactless Fingerprint Biometric Systems [0.0]
  接触のない指紋に対する普遍的な提示攻撃検出法を提案する。 ライブフィンガー写真からStyleGANを用いて合成非接触指紋を生成し,それらを統合して半教師付きResNet-18モデルを訓練した。 両損失関数のバランスをとるために,Arcface と Center の損失を組み合わせた新しい結合損失関数を導入した。
  論文  参考訳（メタデータ） (2023-10-23T15:46:47Z)
• AdvMono3D: Advanced Monocular 3D Object Detection with Depth-Aware Robust Adversarial Training [64.14759275211115]
  そこで本研究では,DART3Dと呼ばれるモノクル3次元物体検出のための,深度対応の頑健な対向学習法を提案する。 我々の敵の訓練アプローチは、本質的な不確実性に乗じて、敵の攻撃に対する堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-09-03T07:05:32Z)
• Avoid Adversarial Adaption in Federated Learning by Multi-Metric Investigations [55.2480439325792]
  Federated Learning(FL)は、分散機械学習モデルのトレーニング、データのプライバシの保護、通信コストの低減、多様化したデータソースによるモデルパフォーマンスの向上を支援する。 FLは、中毒攻撃、標的外のパフォーマンス劣化とターゲットのバックドア攻撃の両方でモデルの整合性を損なうような脆弱性に直面している。 我々は、複数の目的に同時に適応できる、強い適応的敵の概念を新たに定義する。 MESASは、実際のデータシナリオで有効であり、平均オーバーヘッドは24.37秒である。
  論文  参考訳（メタデータ） (2023-06-06T11:44:42Z)
• 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)
• M3FAS: An Accurate and Robust MultiModal Mobile Face Anti-Spoofing System [39.37647248710612]
  フェイスプレゼンテーションアタック(FPA)は、様々な悪意あるアプリケーションを通じて、公衆の懸念を高めている。 我々は,M3FASという,正確で堅牢なマルチモーダル・モバイル・フェイス・アンチ・スポーフィングシステムを開発した。
  論文  参考訳（メタデータ） (2023-01-30T12:37:04Z)
• 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)
• 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)
• Fingerprint Presentation Attack Detection by Channel-wise Feature Denoising [18.933809452711163]
  指紋認識システム(AFRS)は悪意のある攻撃に対して脆弱である。 現在のフィンガープリント提示攻撃検出法は、新しい攻撃材料やセンサー設定下では、しばしばロバスト性に欠ける。 本稿では,CFD-PAD (Channel-wise Feature Denoising fingerprint PAD) 法を提案する。
  論文  参考訳（メタデータ） (2021-11-15T09:13:21Z)
• Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking [83.48804199140758]
  システム出力のランキングを乱す学習とミスランクの定式化を提案する。 また,新たなマルチステージネットワークアーキテクチャを開発することで,バックボックス攻撃を行う。 そこで本手法では, 異なるマルチショットサンプリングにより, 悪意のある画素数を制御することができる。
  論文  参考訳（メタデータ） (2020-04-08T18:48:29Z)
• 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)

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。