論文の概要: A Combined Feature-Based Framework for Disguise and Spoofing Detection in Face Recognition Systems

• arxiv url: http://arxiv.org/abs/2608.08521v2
• Date: Tue, 11 Aug 2026 09:44:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 16:08:30.604201
• Title: A Combined Feature-Based Framework for Disguise and Spoofing Detection in Face Recognition Systems
• Title（参考訳）: 顔認識システムにおけるディグジュアライズとスポーフィング検出のための複合的特徴ベースフレームワーク
• Abstract要約: 顔認識システムは2つの異なる分離された障害モードに直面している。 本稿では,1つのフレームワーク内の2つの問題に対処する5つの機能抽出と分類パイプラインを提案し,比較する。 これらの手法は、FEI、Disguised Faces Database、NUAAデータベースから抽出された115の被験者で訓練された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face recognition systems face two distinct, commonly-separated failure modes: spoofing, where an impostor presents a photograph or video of an authorized user, and disguise, where a legitimate user is rejected because their appearance differs from their enrolled template due to accessories, facial hair, illumination, or pose. This paper proposes and compares five combined feature-extraction and classification pipelines that address both problems within a single framework: PM (PCA and Minimum Euclidean Distance, MED), LPM (Local Binary Patterns with PCA and MED), HPM (Histogram of Oriented Gradients with PCA and MED), SM (Speeded-Up Robust Features with MED), and HM (Harris corner features with MED). Each pipeline follows a common two-phase process comprising pre-processing, feature extraction, feature filtering, and classification. The methods were trained on 115 subjects drawn from the FEI, Disguised Faces Database, and NUAA databases and evaluated on six test conditions covering mixed appearances, frontal faces, dark illumination, left- and right-turned poses, and photo-spoofing attempts. The HOG-based pipeline (HPM) achieved the most consistent performance across conditions, with 94.59% accuracy on mixed-appearance disguise, 81.5-93.2% across pose and illumination variants, and 91.67% on spoofing, while the LBP-based pipeline (LPM) achieved the second-highest spoofing-detection accuracy (93.2%), behind PM (96.67%), but weaker robustness to pose change. These results reveal a measurable trade-off between spoof sensitivity and disguise robustness among classical feature representations, motivating the deep-learning and cross-database extensions discussed in the concluding sections.
• Abstract（参考訳）: 顔認識システムは、2つの異なる分離された障害モードに直面している: 偽造(spoofing)、偽造者が認証されたユーザの写真やビデオを提示する、偽造(spoofing)。 本稿では,PM(PCA と Minimum Euclidean Distance, MED),LPM(PCA と MED による局所バイナリパターン),HPM(PCA と MED による配向勾配のヒストグラム),SM(Speeded-Up Robust Features with MED),HM(Harris corner Features with MED)の5つの機能抽出と分類パイプラインを提案する。 各パイプラインは、前処理、特徴抽出、特徴フィルタリング、分類を含む共通の2フェーズプロセスに従う。 本手法は, FEI, Disguised Faces Database, NUAAデータベースから抽出した115件の被験者を対象に訓練し, 混在した外観, 正面面, 暗い照明, 左右旋回ポーズ, 写真撮影の試みを含む6つの試験条件について検討した。 HOGベースのパイプライン(HPM)は、混合外観の94.59%の精度、ポーズと照明のバリエーションで81.5-93.2%、スプーフィングで91.67%、LPPベースのパイプライン(LPM)はPM(96.67%)に次いで2番目に高いスプーフィング検出精度(93.2%)を達成した。 これらの結果から,古典的特徴表現におけるスプーフ感度と疑似頑健さのトレードオフが明らかとなり,結論節で議論された深層学習とクロスデータベース拡張の動機となった。

関連論文リスト

• Beyond Ambiguous Visual Cues: Studying Physiological Disruptions and Cross-Modal Inconsistencies in Deepfake Videos [7.77578121448493]
  現在の検出器は顔の特徴と生理学の相互関係を解明しておらず、しばしば後期融合やrの特徴のみに依存している。 本稿では, パルスダイナミクスと顔の動きの相互依存性を捉え, 頑健な連接性表現を学習する双方向コアテンション融合検出器を提案する。
  論文  参考訳（メタデータ） (2026-09-11T10:12:48Z)
• MorphUNet: Alpha-Controlled Biometric Transport for Diffusion-Based Face Morphing Attacks [42.651660700496606]
  MorphUNetは、アルファ制御バイオメトリックトランスポートとして2パーシャル世代を定式化した拡散モルフィングフレームワークである。 これは、トレーニング可能な親分離デュアルクロスアテンションを用いた初めての拡散ベースのモーフィングフレームワークである。 6つのシステムのうち少なくとも3つが1つの形態によって騙される場合、MAP(Morphing Attack potential)が最適である。
  論文  参考訳（メタデータ） (2026-07-27T21:30:49Z)
• AHAN: Asymmetric Hierarchical Attention Network for Identical Twin Face Verification [0.0]
  現在の顔認識法は標準ベンチマークで99.8%以上の精度を達成しているが、同一の双子を区別すると88.9%に劇的に低下する。 非対称階層型注意ネットワーク (AHAN) を提案する。 AHANは92.3%の双子の検証精度を達成し、最先端の手法よりも3.4%改善した。
  論文  参考訳（メタデータ） (2026-02-25T02:33:25Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• A Lightweight Transformer with Phase-Only Cross-Attention for Illumination-Invariant Biometric Authentication [1.2137050542976475]
  本稿では位相のみのクロスアテンション(POC-ViT)を用いた新しい軽量視覚変換器を提案する。 POC-ViTは顔の額部と外眼部の2つの生体特性を利用しており、顔マスクでも身体に触れることなくよく機能する。
  論文  参考訳（メタデータ） (2024-12-26T10:40:15Z)
• Benchmarking Joint Face Spoofing and Forgery Detection with Visual and Physiological Cues [81.15465149555864]
  視覚的外観と生理的rcuesを用いた第1回関節スプーフィングおよび検出ベンチマークを作成した。 r周期性判別を強化するために,顔の強信号マップと連続ウェーブレットを入力として変換した2分岐生理ネットワークを設計した。
  論文  参考訳（メタデータ） (2022-08-10T15:41:48Z)
• Blind Face Restoration: Benchmark Datasets and a Baseline Model [63.053331687284064]
  Blind Face Restoration (BFR) は、対応する低品質 (LQ) 入力から高品質 (HQ) の顔画像を構築することを目的としている。 EDFace-Celeb-1M (BFR128) と EDFace-Celeb-150K (BFR512) と呼ばれる2つのブラインドフェイス復元ベンチマークデータセットを最初に合成する。 最先端の手法は、ブラー、ノイズ、低解像度、JPEG圧縮アーティファクト、それらの組み合わせ(完全な劣化)の5つの設定でベンチマークされる。
  論文  参考訳（メタデータ） (2022-06-08T06:34:24Z)
• Exposing Deepfake with Pixel-wise AR and PPG Correlation from Faint Signals [3.0034765247774864]
  ディープフェイクは、法的証拠と知的財産保護の信頼性に深刻な脅威をもたらす。 既存の画素レベルの検出方法は、偽ビデオの増大するリアリズムに抵抗できない。 フェースビデオに隠された暗信号を通してディープフェイクを露呈する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-29T06:05:52Z)
• A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
  本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
  論文  参考訳（メタデータ） (2021-08-21T17:59:56Z)
• Face Anti-Spoofing with Human Material Perception [76.4844593082362]
  フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション攻撃から顔認識システムを保護する上で重要な役割を担っている。 我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。 本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
  論文  参考訳（メタデータ） (2020-07-04T18:25:53Z)
• Multi-Scale Thermal to Visible Face Verification via Attribute Guided Synthesis [55.29770222566124]
  可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。 抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。 事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
  論文  参考訳（メタデータ） (2020-04-20T01:45:05Z)

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。