論文の概要: Unsupervised Feature Disentanglement and Augmentation Network for One-class Face Anti-spoofing

• arxiv url: http://arxiv.org/abs/2503.22929v1
• Date: Sat, 29 Mar 2025 01:22:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:36:13.524994
• Title: Unsupervised Feature Disentanglement and Augmentation Network for One-class Face Anti-spoofing
• Title（参考訳）: 一級顔アンチスプーフィングのための教師なし特徴分散と拡張ネットワーク
• Authors: Pei-Kai Huang, Jun-Xiong Chong, Ming-Tsung Hsu, Fang-Yu Hsu, Yi-Ting Lin, Kai-Heng Chien, Hao-Chiang Shao, Chiou-Ting Hsu,
• Abstract要約: Face Anti-Sfing (FAS) は、顔認証のセキュリティを高めることを目的としている。 ワンクラスのFASアプローチは、目に見えない攻撃をうまく処理するが、生きた機能に絡み合ったドメイン情報に対する堅牢性は低い。 本研究では,非教師付き機能拡張ネットワーク (textbfUFDANet) を提案する。
• 参考スコア（独自算出の注目度）: 3.5032444938182477
• License:
• Abstract: Face anti-spoofing (FAS) techniques aim to enhance the security of facial identity authentication by distinguishing authentic live faces from deceptive attempts. While two-class FAS methods risk overfitting to training attacks to achieve better performance, one-class FAS approaches handle unseen attacks well but are less robust to domain information entangled within the liveness features. To address this, we propose an Unsupervised Feature Disentanglement and Augmentation Network (\textbf{UFDANet}), a one-class FAS technique that enhances generalizability by augmenting face images via disentangled features. The \textbf{UFDANet} employs a novel unsupervised feature disentangling method to separate the liveness and domain features, facilitating discriminative feature learning. It integrates an out-of-distribution liveness feature augmentation scheme to synthesize new liveness features of unseen spoof classes, which deviate from the live class, thus enhancing the representability and discriminability of liveness features. Additionally, \textbf{UFDANet} incorporates a domain feature augmentation routine to synthesize unseen domain features, thereby achieving better generalizability. Extensive experiments demonstrate that the proposed \textbf{UFDANet} outperforms previous one-class FAS methods and achieves comparable performance to state-of-the-art two-class FAS methods.
• Abstract（参考訳）: Face Anti-Spoofing (FAS) は、顔認証のセキュリティを高めることを目的としている。 2クラスのFASメソッドは、より良いパフォーマンスを達成するためにトレーニングアタックに過度に適合するリスクがあるが、一クラスのFASアプローチは、目に見えないアタックをうまく処理するが、生きた機能に絡み合ったドメイン情報に対する堅牢性は低い。 そこで本稿では,非教師付き機能拡張ネットワーク (Unsupervised Feature Disentanglement and Augmentation Network) を提案する。 textbf{UFDANet} は、新しい教師なし機能分離手法を用いて、生活とドメインの特徴を分離し、識別的特徴学習を促進する。 生級から逸脱する未確認のスプーフクラスの新たな生長特徴を合成し、生長特徴の表現性と識別性を高めるために、分布外生長特徴増強スキームを統合する。 さらに、‘textbf{UFDANet} にはドメイン機能拡張ルーチンが組み込まれており、目に見えないドメイン機能を合成することで、より汎用性を実現している。 広範な実験により、提案された‘textbf{UFDANet} は以前の一級FASメソッドより優れ、最先端の2級FASメソッドに匹敵する性能を発揮することが示された。

関連論文リスト

• Interpretable Face Anti-Spoofing: Enhancing Generalization with Multimodal Large Language Models [58.936893810674896]
  顔認識システムのセキュリティと信頼性を確保するためには,FAS(Face Anti-Spoofing)が不可欠である。 I-FAS(Interpretable Face Anti-Spoofing)と呼ばれるFASのためのマルチモーダルな大規模言語モデルフレームワークを提案する。 本稿では,FAS画像の高品質なキャプションを生成するために,Spof-Aware Captioning and Filtering(SCF)戦略を提案する。
  論文  参考訳（メタデータ） (2025-01-03T09:25:04Z)
• DiffFAS: Face Anti-Spoofing via Generative Diffusion Models [27.533334690705733]
  Face Anti-Spoofing (FAS) は、顔認証システム(FR)が提示攻撃を防ぐ上で重要な役割を担っている。 画像の品質変化に対応するために,ネットワークに入力された事前情報として品質を定量化するDiffFASフレームワークを提案する。 クロスドメインなFASデータセットとクロスアタックなFASデータセットに対する我々のフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2024-09-13T06:45:23Z)
• Improving Adversarial Robustness via Decoupled Visual Representation Masking [65.73203518658224]
  本稿では,特徴分布の観点から,ロバストな特徴の2つの新しい特性を強調した。 現状の防衛手法は、上記の2つの問題にうまく対処することを目的としている。 具体的には、分離された視覚的表現マスキングに基づく、シンプルだが効果的な防御法を提案する。
  論文  参考訳（メタデータ） (2024-06-16T13:29:41Z)
• FaceCat: Enhancing Face Recognition Security with a Unified Diffusion Model [30.0523477092216]
  対面防止(FAS)と対向検出(FAD)は、顔認識システムの安全性を確保するための重要な技術であると考えられている。 本研究の目的は,1) 顔下特徴表現と2) トレーニングデータの不足という2つの主要な障害を突破することで,この目標を達成することである。
  論文  参考訳（メタデータ） (2024-04-14T09:01:26Z)
• Contrastive Pseudo Learning for Open-World DeepFake Attribution [67.58954345538547]
  オープンワールド・ディープフェイク (OW-DFA) と呼ばれる新しいベンチマークを導入する。 OW-DFAタスクにおけるコントラスト擬似学習(Contrastive Pseudo Learning, CPL)と呼ばれる新しいフレームワークを提案する。1)グローバル・ローカル投票モジュールを導入し、異なる操作領域の偽顔の特徴的アライメントを誘導し、2)信頼に基づくソフト擬似ラベル戦略を設計し、類似の手法による非ラベル集合における擬似雑音の軽減を図る。
  論文  参考訳（メタデータ） (2023-09-20T08:29:22Z)
• A Closer Look at Geometric Temporal Dynamics for Face Anti-Spoofing [13.725319422213623]
  顔認識システムにはFAS(face anti-spoofing)が不可欠である。 本稿では,通常動作と異常動作を区別するGeometry-Aware Interaction Network (GAIN)を提案する。 提案手法は,標準内部およびクロスデータセット評価における最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-25T18:59:52Z)
• FaceDancer: Pose- and Occlusion-Aware High Fidelity Face Swapping [62.38898610210771]
  そこで我々は,FaceDancerという顔のスワップとID転送のための新しい単一ステージ手法を提案する。 アダプティブ・フィーチャー・フュージョン・アテンション(AFFA)と解釈的特徴類似性規則化(IFSR)の2つの主要なコントリビューションがある。
  論文  参考訳（メタデータ） (2022-10-19T11:31:38Z)
• Few-Shot Domain Expansion for Face Anti-Spoofing [28.622220790439055]
  Face Anti-Spoofing (FAS) は顔認識システムにおいて必須かつ広く使われているモジュールである。 Few-Shot Domain Expansion for Face Anti-Spoofing (FSDE-FAS)
  論文  参考訳（メタデータ） (2021-06-27T07:38:50Z)
• Uncertainty-Aware Physically-Guided Proxy Tasks for Unseen Domain Face Anti-spoofing [128.32381246318954]
  Face Anti-Spoofing (FAS)は、偽の顔と偽の顔とを区別しようと試みている。 そこで本研究では,未確認領域のより高度な一般化を実現するために,物理手法を活用することを提案する。
  論文  参考訳（メタデータ） (2020-11-28T03:22:26Z)
• Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
  顔認識システムのセキュリティには、顔の偽造が不可欠だ。 本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:54:23Z)

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。