抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】