論文の概要: WaveSpec: Multi-Spectral Iris Presentation Attack Detection via Wavelength-Conditioned Spectral Coherence Adaptation
- arxiv url: http://arxiv.org/abs/2610.27608v1
- Date: Tue, 20 Oct 2026 04:20:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.631107
- Title: WaveSpec: Multi-Spectral Iris Presentation Attack Detection via Wavelength-Conditioned Spectral Coherence Adaptation
- Title（参考訳）: WaveSpec:波長指定スペクトルコヒーレンス適応による多スペクトルアイリス提示検出
- Abstract要約: マルチスペクトルアイリス提示攻撃検出は、複数の近赤外波長で同じアイリスを観測することで得られる。
既存の方法は、主にコンディショニングや融合に波長情報を使用することが多い。
特徴レベルのスペクトルコヒーレンス適応を行うマルチスペクトルアイリスPADフレームワークである textbfWaveSpec を提案する。
- 参考スコア（独自算出の注目度）: 6.348134327816868
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multispectral iris presentation attack detection benefits from observing the same iris across multiple near-infrared wavelengths, but existing methods often use wavelength information mainly for conditioning or fusion. This can limit their ability to explicitly model whether the spectral response of a sample is coherent across bands. In this paper, we propose \textbf{WaveSpec}, a multispectral iris PAD framework that performs feature-level spectral coherence adaptation. Each NIR band is first encoded with a DINOv2 backbone. The proposed Set Conditioned Spectral Coherence Adapter then updates each band feature using the consensus of the available spectral set, the band-specific deviation from that consensus, and wavelength identity. The adapted features are projected into structural, spectral, and anomaly representations, adaptively pooled, and classified as bona fide or attack. We evaluate WaveSpec on the MSIrPAD benchmark under a strict cross-artefact protocol, where the model is trained with one presentation attack instrument and tested on unseen attacks. WaveSpec reduces the average D-EER from 8.45\% for SpectraIrisPAD to 3.33\%, and reduces average BPCER@APCER=1\% from 43.16\% to 12.07\%. Ablation results show that the SCSA adapter and spectral residual are central to the improvement, while a band-subset analysis shows that WaveSpec remains effective under partial spectral observations and performs best when all five bands are available. The method adds only modest computational overhead, with 11.15 ms end-to-end latency per five-band sample on an NVIDIA L40S-48Q GPU.
- Abstract（参考訳）: マルチスペクトルアイリス提示攻撃検出は、複数の近赤外波長で同じアイリスを観測する利点があるが、既存の手法では、主にコンディショニングや融合に波長情報を使用することが多い。
これにより、サンプルのスペクトル応答がバンド間でコヒーレントであるかどうかを明示的にモデル化する能力を制限することができる。
本稿では,特徴レベルのスペクトルコヒーレンス適応を行う多スペクトルアイリスPADフレームワークである \textbf{WaveSpec} を提案する。
各NIRバンドは、まずDINOv2バックボーンで符号化される。
提案されたSet Conditioned Spectral Coherence Adapterは、利用可能なスペクトルセットのコンセンサス、そのコンセンサスからのバンド固有の偏差、波長アイデンティティを使って、各バンドの特徴を更新する。
適応された特徴は構造、スペクトル、異常表現に投影され、適応的にプールされ、ボナフィドまたはアタックに分類される。
我々は、厳密なクロスアーティファクトプロトコルの下で、MSIrPADベンチマーク上でWaveSpecを評価し、そのモデルが1つのプレゼンテーションアタック機器で訓練され、目に見えないアタックでテストされる。
WaveSpecは、SpectraIrisPADの平均D-EERを8.45\%から3.33\%に下げ、平均BPCER@APCER=1\%を43.16\%から12.07\%に下げる。
アブレーションの結果,SCSAアダプタとスペクトル残差は改善の中心であり,バンドサブセット分析ではWaveSpecは部分スペクトル観測において有効であり,全5バンドが利用可能である場合に最も有効であることがわかった。
この手法は、NVIDIA L40S-48Q GPU上の5バンドサンプルあたり11.15ミリ秒のエンドツーエンドレイテンシを持つ、わずかに計算オーバーヘッドのみを加算する。
関連論文リスト
- Inverse Synthesis of Shock Time Series from Shock Response Spectra Using Ensembles of Conditional Variational Autoencoders [0.11744028458220425]
逆合成は、所定のスペクトルと一致する候補波形を求める。
我々は、マルチスケールウェーブレット係数を予測する再帰デコーダを用いて、初期の条件付き変分オートエンコーダを拡張した。
個々のモデルは潜時サンプリングの下で限定的な変動を示し、独立に訓練されたモデルの集合を動機付けている。
論文 参考訳（メタデータ） (2026-10-09T00:00:27Z) - MBTI: A Multi-Branch Efficient Fine-Tuning Framework for Hyperspectral Image Classification with Foundation Models [39.61919805272958]
ハイパースペクトル基礎モデルは、大規模未ラベルデータから転送可能なスペクトル空間表現を学習する。
MBTIは、全帯域スペクトル情報を保持しながら、下流の分類タスクにハイパースペクトル基礎モデルを適用する。
MBTIは、代表分類法と比較して、競争力と優れた性能を達成する。
論文 参考訳（メタデータ） (2026-07-14T13:58:10Z) - Full spectrum Unlearnable Examples via Spectral Equalization [29.22443621401928]
スペクトル等化(FUSE)によるフルスペクトル未学習例を提案する。
FUSEは、異なるバンドからのコントリビューションを等しくし、バンド間の一貫性を強制することにより、スペクトルに依存しない摂動を生成する。
複数のデータセット、アーキテクチャ、スペクトルフィルタリングにわたる実験は、FUSEによって達成された強力な保護を示す。
論文 参考訳（メタデータ） (2026-06-25T07:53:53Z) - SpectraDINO: Bridging the Spectral Gap in Vision Foundation Models via Lightweight Adapters [1.2622634782102324]
大規模RGBデータに事前訓練されたビジョンファウンデーションモデル(VFM)は、顕著な表現品質を示している。
近赤外(NIR)、短波赤外(SWIR)、長波赤外(LWIR)にまたがるマルチスペクトルイメージングへの適用性は、いまだに未調査である。
我々は、DINOv2 ViTバックボーンを超可視モードに拡張することで、このスペクトルギャップを橋渡しするマルチスペクトルVFMであるSpectraDINOを提案する。
論文 参考訳（メタデータ） (2026-05-04T06:09:13Z) - Spectral Gating Networks [65.9496901693099]
我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。
SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。
計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
論文 参考訳（メタデータ） (2026-02-07T20:00:49Z) - SpectrumFM: Redefining Spectrum Cognition via Foundation Modeling [65.65474629224558]
本稿ではスペクトル認識のための新しいパラダイムを提供するスペクトルFMと呼ばれるスペクトル基盤モデルを提案する。
畳み込みニューラルネットワークを利用した革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバルな依存関係の両方を効果的に捕捉する。
2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測が、SpectrumFMの事前学習のために開発され、モデルがリッチで伝達可能な表現を学習できるようにする。
論文 参考訳（メタデータ） (2025-08-02T14:40:50Z) - Correct Estimation of Higher-Order Spectra: From Theoretical Challenges to Practical Multi-Channel Implementation in SignalSnap [0.0]
高次スペクトルは、信号処理とデータ解析において重要な問題を解決する強力な方法を提供する。
彼らの実践的利用は、スペクトル推定における未解決の数学的問題のために制限され続けている。
非定常で時間に依存しない高次特徴を明らかにするために準ポリスペクトラを導入する。
SignalSnapはオープンソースのGPUアクセラレーションライブラリで、数分で数百ギガバイトを超えるデータセットを効率的に分析できる。
論文 参考訳（メタデータ） (2025-05-02T12:36:30Z) - CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。
スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。
本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
論文 参考訳（メタデータ） (2025-04-27T13:06:40Z) - SpectralNeRF: Physically Based Spectral Rendering with Neural Radiance
Field [70.15900280156262]
本稿では,新しいスペクトルの観点から,高品質な物理ベースレンダリングのためのエンドツーエンドニューラルラジアンスフィールド(NeRF)アーキテクチャを提案する。
スペクトルNeRFは、合成データセットと実データセットの新しいビューを合成する際に、最近のNeRFベースの方法よりも優れている。
論文 参考訳（メタデータ） (2023-12-14T07:19:31Z)
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。