顔アンチスポーフィングのための多重説明可能で一般化可能な手がかりの学習【JST・京大機械翻訳】

Bian Ying; Zhang Peng; Wang Jingjing; Wang Chunmao; Pu Shiliang

プレプリント

J-GLOBAL ID：202202212852479401 整理番号：22P0292799

顔アンチスポーフィングのための多重説明可能で一般化可能な手がかりの学習【JST・京大機械翻訳】

Learning Multiple Explainable and Generalizable Cues for Face Anti-spoofing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月21日プレプリントサーバーでの情報更新日： 2022年02月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

以前のCNNベースの顔アンチスポフィング法は,イントラデータセット試験の下で有望な性能を達成したが,それらはクロスデータセット試験の下で貧弱な一般化に悩まされている。主な理由は,それらが訓練データセット上の任意の手がかりを学習するかもしれないバイナリの監視だけでネットワークを学習することである。学習された特徴を説明でき,より一般化するために,いくつかの研究者は,補助監視として顔の深さと反射マップを導入する。しかし,多くの他の一般化可能な手がかりは,クロスデータセット試験の下でその性能を制限する顔アンチスポーフィングのために調査されていない。この目的のために,著者らは,顔アンチスポーフィングのための多重説明可能および一般化可能な手がかり(MEGC)を学習するための新しいフレームワークを提案した。特に,人間決定のプロセスに触発されて,人間による4つの主に使用された手がかりを,バイナリ監視に加えて,スプーフメディアの境界,モイール’eパターン,反射アーチファクト,および顔深さを含む補助監督として導入した。余分なラベリングコストを避けるため,これらの補助監視マップを生成するために,対応する合成法を提案した。公開データセットに関する広範な実験は,これらの手がかりの有効性を検証し,最先端の性能を著者らの提案した方法によって達成した。【JST・京大機械翻訳】

, , , , , ,
, , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , , , ,

前のページに戻る