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。
顔プレゼンテーション攻撃検出(PAD)のためのドメイン適応(DA)またはドメイン一般化(DG)は,最近,そのロバスト性が,非セエンス攻撃シナリオに対するロバスト性で注目されている。しかし,既存のDA/DGベースPAD法は,攻撃スタイル(例えば,材料,背景,照明および分解能)に関する知識を提供できるドメイン特異的スタイル情報を完全には探索していない。本論文では,推論時間適応PAD用の新しいStyle誘導ドメイン適応(SGDA)フレームワークを導入した。特に,Style-Selective正規化(SSN)を提案し,高次特徴統計量内のドメイン固有スタイル情報を探索した。提案したSSNは,ターゲットとソースドメイン間のスタイル差を減らすことにより,ターゲットドメインへのモデルの適応を可能にした。さらに,適応能力を高めるためにStyle-Aware Meta-Learning(SAML)を注意深く設計して,仮想テストドメインに関するスタイル選択過程による推論-時間適応をシミュレーションした。以前のドメイン適応アプローチとは対照的に,提案手法は訓練中の追加の補助モデル(例えばドメインアダプター)またはラベルなしターゲットドメインを必要としないが,これは提案手法をPADタスクにより実用的にする。著者らの実験を検証するために,MSU-MFSD,CASIA-FASD,OULU-NPUおよびIdiap REPLAYATTACKの公開データセットを利用した。ほとんどの評価において,結果は従来のDA/DGベースPAD法に比べて性能の顕著なギャップを示した。【JST・京大機械翻訳】