Modeling Spoof Noise by De-spoofing Diffusion and its Application in Face Anti-spoofing

要約

顔のなりすまし対策は、顔認識システムのセキュリティと信頼性を確保するために重要です。
既存の顔スプーフィング対策方法のいくつかは、GAN のようなネットワークを利用して、スプーフィング画像のノイズ パターンを推定し、対応する本物の画像を復元することでプレゼンテーション攻撃を検出します。
しかし、GAN の顔の出現空間は限られているため、ノイズ除去された顔は本物の顔のデータ分布をすべてカバーできず、その結果、このような方法の一般化パフォーマンスが損なわれます。
この研究では、拡散モデルを使用してなりすまし画像のノイズを除去し、本物の画像を復元するという先駆的な試みを紹介します。
これら 2 つの画像の違いはスプーフィング ノイズと見なされ、顔のスプーフィング対策の識別の手がかりとして機能します。
私たちは、いくつかのテスト内およびテスト間プロトコルで提案した手法を評価しました。実験結果は、精度と一般化の両方の観点から競争力のあるパフォーマンスを達成する上での手法の有効性を示しています。

要約(オリジナル)

Face anti-spoofing is crucial for ensuring the security and reliability of face recognition systems. Several existing face anti-spoofing methods utilize GAN-like networks to detect presentation attacks by estimating the noise pattern of a spoof image and recovering the corresponding genuine image. But GAN’s limited face appearance space results in the denoised faces cannot cover the full data distribution of genuine faces, thereby undermining the generalization performance of such methods. In this work, we present a pioneering attempt to employ diffusion models to denoise a spoof image and restore the genuine image. The difference between these two images is considered as the spoof noise, which can serve as a discriminative cue for face anti-spoofing. We evaluate our proposed method on several intra-testing and inter-testing protocols, where the experimental results showcase the effectiveness of our method in achieving competitive performance in terms of both accuracy and generalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google