論文の概要: FD-MAD: Frequency-Domain Residual Analysis for Face Morphing Attack Detection

• arxiv url: http://arxiv.org/abs/2601.20656v1
• Date: Wed, 28 Jan 2026 14:38:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.977974
• Title: FD-MAD: Frequency-Domain Residual Analysis for Face Morphing Attack Detection
• Title（参考訳）: FD-MAD 顔形態検出のための周波数領域残差解析
• Authors: Diogo J. Paulo, Hugo Proença, João C. Neves,
• Abstract要約: 本稿では,強いベースライン法を大幅に改善する,地域対応の周波数に基づく形態検出手法を提案する。 FRLL-Morphでは平均等誤差率(EER)が1.85%、MAD22では平均EERが6.12%である。
• 参考スコア（独自算出の注目度）: 5.931399156681511
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face morphing attacks present a significant threat to face recognition systems used in electronic identity enrolment and border control, particularly in single-image morphing attack detection (S-MAD) scenarios where no trusted reference is available. In spite of the vast amount of research on this problem, morph detection systems struggle in cross-dataset scenarios. To address this problem, we introduce a region-aware frequency-based morph detection strategy that drastically improves over strong baseline methods in challenging cross-dataset and cross-morph settings using a lightweight approach. Having observed the separability of bona fide and morph samples in the frequency domain of different facial parts, our approach 1) introduces the concept of residual frequency domain, where the frequency of the signal is decoupled from the natural spectral decay to easily discriminate between morph and bona fide data; 2) additionally, we reason in a global and local manner by combining the evidence from different facial regions in a Markov Random Field, which infers a globally consistent decision. The proposed method, trained exclusively on the synthetic morphing attack detection development dataset (SMDD), is evaluated in challenging cross-dataset and cross-morph settings on FRLL-Morph and MAD22 sets. Our approach achieves an average equal error rate (EER) of 1.85\% on FRLL-Morph and ranks second on MAD22 with an average EER of 6.12\%, while also obtaining a good bona fide presentation classification error rate (BPCER) at a low attack presentation classification error rate (APCER) using only spectral features. These findings indicate that Fourier-domain residual modeling with structured regional fusion offers a competitive alternative to deep S-MAD architectures.
• Abstract（参考訳）: フェースモーフィング攻撃は、電子アイデンティティエンロールメントやバウンダリコントロールに使用される顔認識システム、特に信頼できる参照がない単一画像モーフィング攻撃検出(S-MAD)のシナリオにおいて、重大な脅威となる。 この問題に関する膨大な研究にもかかわらず、モルヒネ検出システムは、データセット間のシナリオで苦労している。 この問題に対処するために、我々は、軽量なアプローチを用いて、クロスデータセットとクロスモーフィック設定に挑戦する強力なベースライン手法を大幅に改善する、地域対応の周波数ベースのモーフィック検出戦略を導入する。 顔部位の周波数領域におけるフッ化ボナとモルモットの分離性についての検討 1) 残留周波数領域の概念を導入し, 信号の周波数を自然なスペクトル崩壊から切り離して, モルファスとボナフッ化物との識別を容易にする。 2) マルコフランダムフィールドの異なる顔領域からの証拠を組み合わせることで, グローバルかつ局所的な判断を導出する。 提案手法は,SMDD(synthetic morphing attack detection development dataset)に特化して訓練され,FRLL-Morph と MAD22 のクロスデータセットとクロスモーフィック設定に挑戦する。 提案手法は, FRLL-Morphで平均1.85 %, MAD22で平均6.12 %で2位となり, また, スペクトル特性のみを用いた低攻撃表示分類誤差率 (APCER) で良好なボナフィド表示分類誤差率 (BPCER) が得られる。 これらの結果から, 局所核融合構造を持つフーリエ領域残差モデリングは, 深部S-MADアーキテクチャの代替となる可能性が示唆された。

関連論文リスト

• CLIP Meets Diffusion: A Synergistic Approach to Anomaly Detection [49.11819337853632]
  異常検出は、異常の定義の曖昧さ、異常型の多様性、トレーニングデータの不足による複雑な問題である。 識別的基盤モデルと生成的基礎モデルの両方を活用するCLIPfusionを提案する。 本手法は, 異常検出の多面的課題に対処する上で, マルチモーダル・マルチモデル融合の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-13T13:30:15Z)
• LADMIM: Logical Anomaly Detection with Masked Image Modeling in Discrete Latent Space [0.0]
  マスク付き画像モデリングは、画像中のマスキング領域の特徴表現を予測する自己教師付き学習技術である。 本稿では,MIMの特性を利用して論理異常を効果的に検出する手法を提案する。 提案手法をMVTecLOCOデータセット上で評価し,平均AUC 0.867。
  論文  参考訳（メタデータ） (2024-10-14T07:50:56Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Exploring the Relationship between Samples and Masks for Robust Defect Localization [1.90365714903665]
  本稿では,モデルプロセスなしで欠陥パターンを直接検出する一段階フレームワークを提案する。 欠陥の位置を示す可能性のある明示的な情報は、直接マッピングを学ぶことを避けるために意図的に除外される。 その結果,提案手法はF1-ScoreのSOTA法よりも2.9%高い値を示した。
  論文  参考訳（メタデータ） (2023-06-19T06:41:19Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)

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。