論文の概要: From Vision to Text: A Compact Multimodal Approach for Robust, Cross-Domain Presentation Attack Detection on ID Cards

• arxiv url: http://arxiv.org/abs/2606.06966v1
• Date: Fri, 05 Jun 2026 06:45:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.600262
• Title: From Vision to Text: A Compact Multimodal Approach for Robust, Cross-Domain Presentation Attack Detection on ID Cards
• Title（参考訳）: 視覚からテキストへ:IDカードにおけるロバスト・クロスドメイン提示検出のためのコンパクトマルチモーダルアプローチ
• Authors: Qingwen Zeng, Juan E. Tapia, Sneha Das, Christoph Busch,
• Abstract要約: クロスドメインシフトはIDカードの提示検出に挑戦する。 本研究は,新たな生成的および識別的ブロックに基づく,コンパクトなマルチモーダルモデルを提案する。
• 参考スコア（独自算出の注目度）: 10.648001291111965
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cross-domain shifts challenge Presentation Attack Detection (PAD) on ID Cards, given the restricted data available due to privacy concerns. This work proposes a compact multimodal model, based on new generative and discriminative blocks, which combines visual and textual data for PAD on genuine and synthetic ID images. While multimodal models exhibit strong generalisation after supervised fine-tuning, they fail in zero-shot settings. Our findings underscore that model capacity and real-world data are essential for reliable PAD, while existing synthetic datasets may not reflect real-world challenges. We argue for a re-evaluation of synthetic data as a benchmark and emphasise the need for more realistic, diverse datasets to advance PAD research.
• Abstract（参考訳）: ドメイン間のシフトは、プライバシー上の懸念から利用可能な制限されたデータを考えると、IDカード上のプレゼンテーション検出(PAD)に挑戦する。 本研究は,実画像と合成画像のPADのための視覚的・テキスト的データを組み合わせた,新しい生成的・識別的ブロックに基づく,コンパクトなマルチモーダルモデルを提案する。 マルチモーダルモデルは教師付き微調整後に強い一般化を示すが、ゼロショット設定では失敗する。 既存の合成データセットは現実の課題を反映していない可能性があるが, モデルキャパシティと実世界のデータは信頼性の高いPADに不可欠であることを示す。 我々は、合成データをベンチマークとして再評価し、PAD研究を進めるためのより現実的で多様なデータセットの必要性を強調している。

関連論文リスト

• Identity Card Presentation Attack Detection: A Systematic Review [7.7489419818764596]
  ディープ・ラーニングはプレゼンテーション・アタック検出の進歩を推進した。 この分野は、データの欠如とモデルの一般化の貧弱により、基本的に制限されている。 本稿では,本研究の成果を整理し,重要な研究ギャップを特定し,今後の研究の規範的ロードマップを概説する。
  論文  参考訳（メタデータ） (2025-11-08T15:55:37Z)
• COP-GEN-Beta: Unified Generative Modelling of COPernicus Imagery Thumbnails [3.530199030596022]
  本稿では,オプティカル,レーダ,高度データに基づいて学習した生成拡散モデルであるCOP-GEN-Betaについて紹介する。 COP-GEN-Betaを分離する要因は、任意のモダリティのサブセットを他のサブセットにマッピングできることであり、訓練後にゼロショットのモダリティ変換を可能にする。 そこで本研究では, COP-GEN-BetaをMajor TOMデータセットのサムネイル画像上で広範囲に評価し, 高品質なサンプル生成の有効性を実証した。
  論文  参考訳（メタデータ） (2025-04-11T14:00:46Z)
• mmE5: Improving Multimodal Multilingual Embeddings via High-quality Synthetic Data [71.352883755806]
  マルチモーダル埋め込みモデルは、テキストや画像などの様々なモダリティからデータを統一表現空間にマッピングする能力において、大きな注目を集めている。 しかし、ラベル付きマルチモーダルデータは、しばしば埋め込み性能を妨げる。 近年のアプローチでは、この問題に対処するためにデータ合成を活用しているが、合成データの質は依然として重大なボトルネックとなっている。
  論文  参考訳（メタデータ） (2025-02-12T15:03:33Z)
• Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity [80.16488817177182]
  GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。 異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
  論文  参考訳（メタデータ） (2023-12-18T05:42:31Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• SynthASpoof: Developing Face Presentation Attack Detection Based on Privacy-friendly Synthetic Data [6.218678900574128]
  この研究は、大規模なPAD開発データセットとして、SynthASpoofと名付けられた、最初の合成ベースの顔PADデータセットを提示する。 フェースパドの開発にSynthaspoofを用いることが可能であることを示す実験結果を得た。 本研究は,限られた訓練データの多様性を高めるために,合成データのサプリメントとしての有用性を示す。
  論文  参考訳（メタデータ） (2023-03-05T12:35:58Z)
• CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of Adversarial Robustness of Vision Models [61.68061613161187]
  本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。 このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。 本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
  論文  参考訳（メタデータ） (2022-06-09T09:17:38Z)

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。