Deep Learning for Face Anti-Spoofing: A Survey

要約

顔認証システムにおいて、プレゼンテーション攻撃（PA）から顔を守るために、顔偽装防止法（Face Anti Spoofing: FAS）が最近注目されている。新しいタイプの現実的なPAが増えるにつれて、手作りの特徴に基づく従来のFAS手法は、その限られた表現能力のために信頼性が低くなっています。最近の10年間で、大規模な学術的データセットの出現により、深層学習ベースのFASは顕著な性能を達成し、この分野を支配しています。しかし、この分野の既存のレビューは、主に手作りの特徴に焦点を当てており、FASコミュニティの進歩のために時代遅れで刺激的でないものである。本論文では、将来の研究を刺激するために、深層学習ベースのFASにおける最近の進歩の最初の包括的なレビューを提示する。それは、いくつかの新規で洞察に満ちた構成要素をカバーしている。1) 2値ラベルによる監視（例：’0’は真正、’1’はPA）以外に、我々はピクセル単位の監視（例：疑似深度マップ）を用いた最近の手法を調査している。2）従来のデータセット内評価に加えて、ドメイン汎化およびオープンセットFASのために特別に設計された最新の手法を収集し分析する、3）商用RGBカメラ以外に、マルチモーダル（例：深度、赤外線）または特殊（例：ライトフィールド、フラッシュ）センサー下での深層学習アプリケーションを要約する。最後に、現在の未解決の課題を強調し、潜在的な展望を強調することで、このサーベイを締めくくる。

要約(オリジナル)

Face anti-spoofing (FAS) has lately attracted increasing attention due to its vital role in securing face recognition systems from presentation attacks (PAs). As more and more realistic PAs with novel types spring up, traditional FAS methods based on handcrafted features become unreliable due to their limited representation capacity. With the emergence of large-scale academic datasets in the recent decade, deep learning based FAS achieves remarkable performance and dominates this area. However, existing reviews in this field mainly focus on the handcrafted features, which are outdated and uninspiring for the progress of FAS community. In this paper, to stimulate future research, we present the first comprehensive review of recent advances in deep learning based FAS. It covers several novel and insightful components: 1) besides supervision with binary label (e.g., ‘0’ for bonafide vs. ‘1’ for PAs), we also investigate recent methods with pixel-wise supervision (e.g., pseudo depth map); 2) in addition to traditional intra-dataset evaluation, we collect and analyze the latest methods specially designed for domain generalization and open-set FAS; and 3) besides commercial RGB camera, we summarize the deep learning applications under multi-modal (e.g., depth and infrared) or specialized (e.g., light field and flash) sensors. We conclude this survey by emphasizing current open issues and highlighting potential prospects.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL