OrthoMAD: Morphing Attack Detection Through Orthogonal Identity Disentanglement

要約

モーフィング攻撃は、ディープ顔認識システムに常に影響を与えている多くの脅威の 1 つです。
これは、異なる個人から 2 つの顔を選択し、それらを融合して、両方のアイデンティティ情報を含む最終的な画像にすることで構成されます。
この作業では、両方の既存のアイデンティティ情報を考慮し、2 つの直交潜在ベクトルの作成を促進する新しい正則化項を提案します。
FRLL データセットの 5 つの異なるタイプのモーフィングで提案された方法 (OrthoMAD) を評価し、5 つの異なるデータセットでトレーニングしたときのモデルのパフォーマンスを評価します。
小さな ResNet-18 をバックボーンとして、実験の大部分で最先端の結果を達成し、他の実験では競争力のある結果を達成しています。
この論文のコードは公開されます。

要約(オリジナル)

Morphing attacks are one of the many threats that are constantly affecting deep face recognition systems. It consists of selecting two faces from different individuals and fusing them into a final image that contains the identity information of both. In this work, we propose a novel regularisation term that takes into account the existent identity information in both and promotes the creation of two orthogonal latent vectors. We evaluate our proposed method (OrthoMAD) in five different types of morphing in the FRLL dataset and evaluate the performance of our model when trained on five distinct datasets. With a small ResNet-18 as the backbone, we achieve state-of-the-art results in the majority of the experiments, and competitive results in the others. The code of this paper will be publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google