論文の概要: What's Old is New Again: Classical Dimensionality Reduction for Efficient Saliency-Guided Biometric Attack Detection

• arxiv url: http://arxiv.org/abs/2606.13528v1
• Date: Thu, 11 Jun 2026 16:18:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.905353
• Title: What's Old is New Again: Classical Dimensionality Reduction for Efficient Saliency-Guided Biometric Attack Detection
• Title（参考訳）: 古いものがまた新しい: 能率誘導バイオメトリック・アタック検出のための古典的次元化
• Authors: Samuel Webster, Walter Scheirer,
• Abstract要約: Saliency-Guided Trainingは、学習中に最も関連性の高い画像領域に集中するようモデルに促す視覚認識のパラダイムである。 そこで我々は,PCA と LDA という古典的次元削減手法に着想を得た地図を用いた,新しい,コスト効率の高い,高スケールなサリエンシ獲得手法を提案する。
• 参考スコア（独自算出の注目度）: 0.17188280334580197
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Saliency-guided training is a paradigm in visual recognition that encourages models to focus on the most relevant image regions during learning. While its application in biometric presentation attack detection (PAD) has shown strong benefits in robustness and generalization, adoption is often limited by the high cost, domain specificity, and limited scalability of existing saliency acquisition methods, such as human annotations over a limited dataset. We present a novel, cost-efficient, and highly-scalable approach to saliency acquisition using maps inspired by classical dimensionality reduction techniques: PCA and LDA. Our proposed methods generate saliency maps directly from raw training data, requiring no human annotation nor domain knowledge. We contextualize the effectiveness of these saliency sources in three saliency-explored domains (iris PAD, synthetic face detection, fingerprint PAD) and demonstrate its scalability in two saliency-novel domains (fingerprint vein PAD and ID card PAD). Across all domains tested, models trained using dimensionality reduction-sourced saliency maps exceed baseline and sometimes SOTA saliency methods without any resource investment or domain-specific tooling. Our findings overcome an important yet unaddressed barrier to saliency-guided training for biometric attack detection and beyond.
• Abstract（参考訳）: Saliency-Guided Trainingは、学習中に最も関連性の高い画像領域に集中するようモデルに促す視覚認識のパラダイムである。 バイオメトリック・プレゼンテーション・アタック検出(PAD)への応用は、堅牢性と一般化において強力なメリットを示しているが、高いコスト、ドメイン特異性、制限されたデータセット上の人間のアノテーションのような既存の唾液取得方法のスケーラビリティによって、採用が制限されることがしばしばある。 そこで我々は,PCA と LDA という古典的次元削減手法に着想を得た地図を用いた,新しい,コスト効率の高い,高スケールなサリエンシ獲得手法を提案する。 提案手法は,人間のアノテーションやドメイン知識を必要とせず,生のトレーニングデータから直接サリエンシマップを生成する。 我々は,これらの唾液濃度源の有効性を3つの唾液価探索ドメイン(虹彩PAD,合成顔検出,指紋PAD)で検証し,その拡張性を2つの唾液価発見ドメイン(指紋静脈PAD,IDカードPAD)で示す。 テストされたすべてのドメインで、次元還元ソースのサリエンシマップを使用してトレーニングされたモデルは、リソース投資やドメイン固有のツールを使わずに、ベースラインや時にはSOTAサリエンシメソッドを超えます。 バイオメトリック・アタック・ディテクター(バイオメトリック・アタック・ディテクター)のトレーニングにおける重要な障壁を克服した。

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)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Forward-Forward Learning achieves Highly Selective Latent Representations for Out-of-Distribution Detection in Fully Spiking Neural Networks [6.7236795813629]
  生物学的システムにインスパイアされたスパイキングニューラルネットワーク(SNN)は、限界を克服するための有望な道を提供する。 本研究では,これらの課題に対処するために,スパイクフォワードフォワードアルゴリズム(FFA)の可能性を検討する。 本稿では,クラス分布からサンプルを遠ざける特徴を検出するための,新しい非勾配属性法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T08:08:17Z)
• Domain Adaptation of Echocardiography Segmentation Via Reinforcement Learning [4.850478245721347]
  我々はRL4Segを紹介した。RL4Segは革新的な強化学習フレームワークで、ターゲットドメインに専門的な注釈付きデータセットを組み込む必要がなくなる。 RL4Segは1万枚の未診断2D心エコー画像のターゲットデータセットを用いて、ターゲットドメインから220名の専門家検証対象のサブセットに対して99%の解剖学的妥当性を達成している。
  論文  参考訳（メタデータ） (2024-06-25T19:26:39Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Internal Structure Attention Network for Fingerprint Presentation Attack Detection from Optical Coherence Tomography [7.241363249424351]
  本稿では,ネットワークトレーニングの指導に事前知識を適用した,教師付き学習に基づく新しいPAD手法ISAPADを提案する。 提案したデュアルブランチアーキテクチャは,OCT画像からグローバルな特徴を学習するだけでなく,階層構造にも注目する。 単純で効果的なISAMにより、提案ネットワークは、ノイズの多いOCTボリュームデータから、ボナフィドに属する層状セグメンテーション特徴を得ることができる。
  論文  参考訳（メタデータ） (2023-03-20T11:36:09Z)
• Multi-scale Feature Alignment for Continual Learning of Unlabeled Domains [3.9498537297431167]
  生成的特徴駆動のイメージリプレイとデュアル目的判別器は、リプレイのための現実的な特徴を持つ画像の生成を可能にする。 本稿では,提案手法の構成要素について詳細なアブレーション実験を行い,非教師付きパッチベースセグメンテーションタスクに対する連続的UDA法の適用可能性を示す。
  論文  参考訳（メタデータ） (2023-02-02T18:19:01Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• On the Practicality of Deterministic Epistemic Uncertainty [106.06571981780591]
  決定論的不確実性法(DUM)は,分布外データの検出において高い性能を達成する。 DUMが十分に校正されており、現実のアプリケーションにシームレスにスケールできるかどうかは不明だ。
  論文  参考訳（メタデータ） (2021-07-01T17:59:07Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。