論文の概要: FAS-R1: A Unified Multi-Task MLLM for Reasoning Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2607.26432v1
• Date: Wed, 29 Jul 2026 03:19:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.532023
• Title: FAS-R1: A Unified Multi-Task MLLM for Reasoning Face Anti-Spoofing
• Title（参考訳）: FAS-R1:顔アンチスプーフィングのための統合マルチタスクMLLM
• Abstract要約: Face Anti-Spoofing (FAS) は、ボナ・フェイド/スプーフの判断だけでなく、人間の検査のためのセマンティクスや画像的根拠を攻撃していると期待されている。 FAS予測のための2段階推論指向MLLMフレームワークであるFAS-R1を提案する。 メインの3B FAS-R1モデルは98.75%の精度、93.33%の攻撃型精度、96.30/94.73%のAP@40/AP@50のドメインを達成している。
• 参考スコア（独自算出の注目度）: 25.56327524639443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing (FAS) is increasingly expected to provide not only bona fide/spoof decisions, but also attack semantics and image-grounded evidence for human inspection. Existing discriminative FAS models remain largely label-centric, while recent MLLM-based methods offer structured outputs but still rely mainly on supervised fine-tuning, often producing template-like rationales and weak optimization for difficult attacks. We propose FAS-R1, a two-stage reasoning-oriented MLLM framework for unified FAS prediction, covering authenticity classification, attack-type recognition and spoof-region localization. FAS-R1 first uses FAS-R1-23K, a high-quality long-CoT dataset, for cold-start supervised fine-tuning, and then performs FAS-specific GRPO post-training. Degradation-Simulated Augmentation (DSA) encourages stable spoof-cue reasoning across visual-quality shifts, while Difficulty-Aware GRPO (DA-GRPO) mitigates easy-sample dominance that may leave difficult task--attack groups under-optimized, especially for subtle or ambiguous attacks such as makeup and mask attacks. The main 3B FAS-R1 model achieves 98.75\% authenticity accuracy, 93.33\% attack-type accuracy, and 96.30/94.73\% AP@40/AP@50 in-domain. It also outperforms the compared systems in cross-domain authenticity generalization and answer-and-rationale quality. Experiments with different base models further show favorable scaling behavior. The code will be released soon.
• Abstract（参考訳）: Face Anti-Spoofing (FAS) は、ボナ・フェイド/スプーフの判断だけでなく、人間の検査のための意味論や画像的根拠を攻撃していると期待されている。 既存の差別的FASモデルは、大半がラベル中心であり、最近のMLLMベースの手法は構造化された出力を提供するが、いまだ主に教師付き微調整に依存しており、しばしばテンプレートのような合理性を生み出し、困難な攻撃に対して弱い最適化を行う。 本研究では,FAS予測を統一するための2段階の推論指向MLLMフレームワークであるFAS-R1を提案する。 FAS-R1は、まず高品質のロングCoTデータセットであるFAS-R1-23Kを使用して、コールドスタート制御された微調整を行い、その後、FAS固有のGRPOポストトレーニングを実行する。 Degradation-Simulated Augmentation (DSA) は、視覚的品質の変化に対する安定したスプーフキュー推論を促進する一方、Difficulty-Aware GRPO (DA-GRPO) は、特に化粧品やマスク攻撃のような微妙で曖昧な攻撃に対して、困難なタスク・アタックを未然に残す可能性のある、簡単なサンプル支配を緩和する。 メインの3B FAS-R1モデルは98.75 %の精度、93.33 %の攻撃型精度、96.30/94.73 %のAP@40/AP@50のドメインを達成している。 また、ドメイン間認証の一般化と解答・解答の質で比較されたシステムよりも優れています。 異なるベースモデルによる実験は、さらによいスケーリングの振る舞いを示す。 コードはまもなくリリースされる。

関連論文リスト

• MS-MFAD : Multimodal large language models for Face Anti-spoofing Detection [25.077055201475442]
  顔検出のためのMFAD(Multimodal Large Language Models)を提案する。 MFADは、微細なピクセル・セマンティックアンカー機構により、マルチモーダル大言語モデルの本質的な推論機能を活性化する。 攻撃カテゴリごとに1,000の正確なマスクをアノテートすることで、我々はスプーフされた領域に厳密に対応するエビデンス連鎖を生成する。
  論文  参考訳（メタデータ） (2026-08-18T03:38:59Z)
• Perception, Verdict, and Evolution: Hindsight-Driven Self-Refining Forensics Agent for AI-Generated Image Detection [80.15317858033534]
  ForeAgentは、反復的な自己進化を伴うAI生成画像検出のためのエージェント法医学フレームワークである。 ForeAgentはChameleonベンチマークで最先端のパフォーマンスを達成し、精度は82.18%に達した。 ForeAgent は GPT-5 や GPT-5-mini と比較して、より一貫性があり、因果的な推論をもたらす。
  論文  参考訳（メタデータ） (2026-06-25T02:59:33Z)
• TaFD: Threat-Aware Frequency Decoupling for Adversarial Robustness against Heterogeneous Attacks [6.525195905471157]
  マルチスレッドの堅牢性は、ディープラーニングにおける根本的な課題である。 関節対位訓練(JAT)は広く採用されているが、異種性脅威下での負の移動に悩まされている。 本稿では,JATを周波数領域分割・分散パラダイムとして再編成する2段階防衛フレームワークであるTreat-aware Frequency Decoupling (TaFD)を提案する。
  論文  参考訳（メタデータ） (2026-06-16T05:38:26Z)
• Too Correct to Learn: Reinforcement Learning on Saturated Reasoning Data [55.84428098924793]
  構造保存探索を行うためのパラメータ自由復号法である Constrained Uniform Top-K Smpling (CUTS) を提案する。 グループ内の利点分散を増幅するために、エクスプロイトと探索的なロールアウトを相乗化するためのトレーニングフレームワークであるMixed-CUTSに統合する。 特にMixed-CUTSは、AIME25ベンチマークのPass@1の精度を標準のGRPOよりも15.1%向上している。
  論文  参考訳（メタデータ） (2026-04-20T16:43:28Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Membership Inference Attacks Against Fine-tuned Diffusion Language Models [14.835693946869178]
  Diffusion Language Models (DLMs) は自己回帰型言語モデルに代わる有望な代替品である。 本稿では,DLMにおけるMIA(Commanship Inference Attacks)の脆弱性を初めて体系的に調査する。 サマ(サブセット・アグリゲート・メンバーシップ・アタック)を導入し、ロバストアグリゲーションによるスパース信号問題に対処する。
  論文  参考訳（メタデータ） (2026-01-27T23:40:07Z)
• Contrastive Spectral Rectification: Test-Time Defense towards Zero-shot Adversarial Robustness of CLIP [68.44229678548298]
  コントラストスペクトル整流(Contrastive Spectral Rectification, CSR)は、敵の例に対する効率的な試験時間防御である。 CSRはSOTAを18.1%上回り、AutoAttackに勝っている。 CSRは様々な視覚的タスクに幅広い適用性を示す。
  論文  参考訳（メタデータ） (2026-01-27T05:24:45Z)
• Feature-Space Adversarial Robustness Certification for Multimodal Large Language Models [59.6491828112519]
  MLLM(Multimodal large language model)は、様々なアプリケーションにまたがる強力な機能を示す。 MLLMは、その特徴表現を歪め、誤った予測を誘発する敵の摂動に弱い。 本稿では,MLLMの特徴表現レベルにおいて,信頼性の高いロバスト性保証を提供する汎用フレームワークであるFeature-space Smoothing(FS)を提案する。
  論文  参考訳（メタデータ） (2026-01-22T18:52:21Z)
• Backdoor Cleaning without External Guidance in MLLM Fine-tuning [76.82121084745785]
  Believe Your Eyes (BYE)は、アテンションエントロピーパターンを自己教師信号として活用して、バックドアサンプルを特定してフィルタリングするデータフィルタリングフレームワークである。 クリーンタスクのパフォーマンスを維持しながら、ほぼゼロの攻撃成功率を達成する。
  論文  参考訳（メタデータ） (2025-05-22T17:11:58Z)
• 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)
• Adversarial Attacks on Both Face Recognition and Face Anti-spoofing Models [14.821326139376266]
  本稿では,顔認識(FR)モデルと顔アンチスプーフィング(FAS)モデルの両方を同時にターゲットとする,新たな攻撃設定を提案する。 具体的には、FRモデルとFASモデルの両方においてブラックボックス攻撃のキャパシティを向上させるために、RMA(Reference-free Multi-level Alignment)と呼ばれる新たな攻撃手法を提案する。
  論文  参考訳（メタデータ） (2024-05-27T08:30:29Z)
• 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)

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。