論文の概要: Tomatoes, Potatoes, and Onions: Questioning the Need for Faces in Face Presentation Attack Detection

• arxiv url: http://arxiv.org/abs/2608.21455v2
• Date: Thu, 27 Aug 2026 12:40:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 14:16:51.544518
• Title: Tomatoes, Potatoes, and Onions: Questioning the Need for Faces in Face Presentation Attack Detection
• Title（参考訳）: トマト、ポテト、タマネギ:顔提示検出における顔の必要性を問う
• Abstract要約: TPOでトレーニングされた検出器は、4つの標準データセットのPADベンチマークで平均92.70%のAUCを達成する。 また,従来のPADトレーニングにTPOを組み込むことで,データ間通信の性能が向上することを示す。
• 参考スコア（独自算出の注目度）: 17.80271625273524
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face presentation attack detection (PAD) is traditionally formulated as a face-specific problem, although many of the visual artifacts introduced by print, replay, and recapture processes are not inherently tied to facial appearance. In this work, we investigate whether transferable PAD representations can be learned without using faces during downstream PAD training. To this end, we introduce TPO, a controlled face-free presentation attack dataset consisting of bona fide, print, and replay recordings of, almost randomly chosen, tomatoes, potatoes, and onions acquired under protocols that closely mirror conventional face PAD datasets. Using a foundation-model-based PAD architecture, we demonstrate that a detector trained on TPO achieves an average AUC of 92.70% across four standard cross-dataset face PAD benchmarks, outperforming training on synthetic faces and remaining competitive with models trained on real face datasets. Conversely, models trained on face PAD datasets transfer consistently above chance to TPO, suggesting that the learned representations capture characteristics of the presentation process rather than object semantics. Furthermore, incorporating TPO into conventional face PAD training consistently improves cross-dataset performance under fixed optimization budgets, indicating that face-free data provides complementary information rather than simply additional training samples. Finally, representation and frequency analyses provide further evidence that transferable PAD representations cannot be explained by a single spectral artifact but instead encode richer presentation cues shared across object categories. Together, these results provide empirical evidence that transferable presentation attack representations can be learned independently of facial content, opening new opportunities for privacy-preserving and identity-independent PAD development.
• Abstract（参考訳）: 顔提示攻撃検出(PAD)は、伝統的に顔特有の問題として定式化されているが、プリント、リプレイ、再キャプチャプロセスによって導入された視覚的アーティファクトの多くは、本質的に顔の外観と結びついていない。 本研究では、下流PAD訓練中に顔を用いることなく、転送可能なPAD表現を学習できるかどうかを検討する。 そこで本研究では,従来の顔PADデータセットを忠実に反映したプロトコルで取得したトマト,ジャガイモ,タマネギの,ほぼランダムに選択されたボナファイド,プリント,再生記録からなる顔自由なプレゼンテーションアタックデータセットであるTPOを紹介する。 基礎モデルに基づくPADアーキテクチャを用いて、TPOでトレーニングされた検出器が、4つの標準データセットのPADベンチマークで平均92.70%のAUCを達成することを示した。 逆に、顔PADデータセットに基づいてトレーニングされたモデルは、常にTPOに移行し、学習された表現がオブジェクトのセマンティクスではなく、プレゼンテーションプロセスの特徴を捉えていることを示唆している。 さらに,TPOを従来の顔PADトレーニングに組み込むことで,固定最適化予算下でのクロスデータセット性能が一貫して向上し,顔のないデータによる補足的情報の提供が促進される。 最後に、表現と周波数分析は、変換可能なPAD表現が単一のスペクトルアーティファクトによって説明できないというさらなる証拠を提供するが、代わりにオブジェクトカテゴリ間で共有されるよりリッチなプレゼンテーションキューをエンコードする。 これらの結果は、転送可能なプレゼンテーションアタック表現が顔コンテンツとは独立して学習できることを実証的に証明し、プライバシ保護とアイデンティティに依存しないPAD開発のための新たな機会を開放する。

関連論文リスト

• Foundation Models for Face Presentation Attack Detection: A Unified Linear-Probing Benchmark [32.89408229880636]
  クロスデータセット評価においては,顔提示攻撃検出は依然として困難である。 PAD関連情報を最小限のタスク特化訓練で利用できる汎用視覚基盤モデルか? 自己教師型ビジョントランス、視覚言語エンコーダ、教師型CNNを含む24個の凍結エンコーダを評価した。
  論文  参考訳（メタデータ） (2026-07-29T14:52:25Z)
• Are Foundation Models All You Need for Zero-shot Face Presentation Attack Detection? [7.287930923353593]
  顔認識システムは攻撃提示(AP)に対して脆弱である 本稿では,ゼロショットプレゼンテーションアタック検出(PAD)手法について述べる。 まず,確立された実験シナリオにおける基礎モデルの有効性と一般性を評価する。
  論文  参考訳（メタデータ） (2025-07-22T09:38:21Z)
• Test-Time Augmentation for Pose-invariant Face Recognition [14.515296731166721]
  Pose-TTAは、追加のトレーニングなしで顔を推論時に整列させる新しいアプローチである。 これを実現するために、画像のイメージを駆動画像のポーズに転送するポートレートアニメーターを用いる。 合成データから生じる歪みやバイアスに対処するための重み付き特徴集約戦略を提案する。
  論文  参考訳（メタデータ） (2025-05-14T10:11:35Z)
• Federated Face Forgery Detection Learning with Personalized Representation [63.90408023506508]
  ディープジェネレータ技術は、区別がつかない高品質のフェイクビデオを制作し、深刻な社会的脅威をもたらす可能性がある。 従来の偽造検出手法は、データを直接集中的に訓練する。 本稿では,個人化表現を用いた新しいフェデレーション顔偽造検出学習を提案する。
  論文  参考訳（メタデータ） (2024-06-17T02:20:30Z)
• Generalized Face Liveness Detection via De-fake Face Generator [52.23271636362843]
  以前の顔アンチスプーフィング(FAS)手法は、目に見えない領域に一般化するという課題に直面している。 本稿では,大規模に付加的な現実面を効果的に活用できるAnomalous cue Guided FAS (AG-FAS)法を提案する。 提案手法は,未知のシナリオと未知のプレゼンテーションアタックを用いたクロスドメイン評価において,最先端の結果を実現する。
  論文  参考訳（メタデータ） (2024-01-17T06:59:32Z)
• Towards Real-World Blind Face Restoration with Generative Diffusion Prior [69.84480964328465]
  ブラインド顔の復元はコンピュータビジョンにおいて重要な課題であり、広範囲の応用により注目されている。 低画質の顔画像から特徴を効果的に抽出するBFRffusionを提案する。 また、人種、性別、年齢といったバランスのとれた属性を備えたPFHQというプライバシ保護顔データセットも構築しています。
  論文  参考訳（メタデータ） (2023-12-25T14:16:24Z)
• 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)
• Fairness in Face Presentation Attack Detection [14.995906718043809]
  顔認識アルゴリズムは、特定の人口集団や非人口集団に対する差別行動を示すことが証明されている。 FRにおけるフェアネス研究の増加にもかかわらず、顔提示攻撃検出の公正さは見過ごされている。
  論文  参考訳（メタデータ） (2022-09-19T14:12:09Z)
• One-Class Knowledge Distillation for Face Presentation Attack Detection [53.30584138746973]
  本稿では,一級ドメイン適応による対面PADのクロスドメイン性能向上のための教師学生フレームワークを提案する。 学生ネットワークは、教師ネットワークを模倣し、ターゲットドメインの真の顔サンプルの類似した表現を学ぶために訓練される。 テストフェーズでは、教師と学生ネットワークの表現の類似度スコアを用いて、真の攻撃と区別する。
  論文  参考訳（メタデータ） (2022-05-08T06:20:59Z)
• Myope Models -- Are face presentation attack detection models short-sighted? [3.4376560669160394]
  プレゼンテーション攻撃は生体認証システムへの繰り返しの脅威であり、インポスタはこれらのシステムをバイパスしようとする。 本研究は,作物と無作為の顔提示攻撃検出(PAD)モデルの比較研究である。 その結果,画像に背景が存在する場合,その性能は一貫して良好であることがわかった。
  論文  参考訳（メタデータ） (2021-11-22T11:28:44Z)
• Federated Test-Time Adaptive Face Presentation Attack Detection with Dual-Phase Privacy Preservation [100.69458267888962]
  顔提示攻撃検出(fPAD)は、現代の顔認識パイプラインにおいて重要な役割を果たす。 法的およびプライバシー上の問題により、トレーニングデータ(実際の顔画像と偽画像)は、異なるデータソース間で直接共有することはできない。 本稿では,二相プライバシー保護フレームワークを用いたフェデレーションテスト時間適応顔提示検出を提案する。
  論文  参考訳（メタデータ） (2021-10-25T02:51:05Z)

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。