Exploring ChatGPT for Face Presentation Attack Detection in Zero and Few-Shot in-Context Learning

要約

この研究は、顔提示攻撃検出 (PAD) の競合代替手段としての ChatGPT (具体的には GPT-4o) の可能性を強調し、特定のシナリオにおいて商用ソリューションを含むいくつかの PAD モデルを上回るパフォーマンスを示します。
私たちの結果は、GPT-4o が高い一貫性を示し、特に数ショットのコンテキスト内学習において、より多くの例が提供されるほどパフォーマンスが向上することを示しています (参考データ)。
また、詳細なプロンプトによりモデルが確実にスコアを提供できることも観察されますが、これは簡潔なプロンプトでは観察されない動作です。
さらに、説明を求めるプロンプトにより、モデルの解釈可能性が向上するため、モデルのパフォーマンスがわずかに向上します。
注目すべきことに、このモデルは、攻撃タイプを分類するように明示的に指示されていないにもかかわらず、数発のシナリオで攻撃タイプ (印刷またはリプレイ) を高精度で正確に予測する創発推論機能を示しています。
これらの強みにもかかわらず、GPT-4o はゼロショット タスクにおいて課題に直面しており、特殊な PAD システムと比較してパフォーマンスが制限されています。
実験は SOTERIA データセットのサブセットで実施され、同意した個人からのデータのみを使用することでデータ プライバシー規制への準拠を確保しました。
これらの発見は、PAD アプリケーションにおける GPT-4o の有望性を強調し、より広範なデータ プライバシーの懸念に対処し、データセット間の一般化を改善するための将来の研究の基礎を築きます。
コードはここで入手できます: https://gitlab.idiap.ch/bob/bob.paper.wacv2025_chatgpt_face_pad

要約(オリジナル)

This study highlights the potential of ChatGPT (specifically GPT-4o) as a competitive alternative for Face Presentation Attack Detection (PAD), outperforming several PAD models, including commercial solutions, in specific scenarios. Our results show that GPT-4o demonstrates high consistency, particularly in few-shot in-context learning, where its performance improves as more examples are provided (reference data). We also observe that detailed prompts enable the model to provide scores reliably, a behavior not observed with concise prompts. Additionally, explanation-seeking prompts slightly enhance the model’s performance by improving its interpretability. Remarkably, the model exhibits emergent reasoning capabilities, correctly predicting the attack type (print or replay) with high accuracy in few-shot scenarios, despite not being explicitly instructed to classify attack types. Despite these strengths, GPT-4o faces challenges in zero-shot tasks, where its performance is limited compared to specialized PAD systems. Experiments were conducted on a subset of the SOTERIA dataset, ensuring compliance with data privacy regulations by using only data from consenting individuals. These findings underscore GPT-4o’s promise in PAD applications, laying the groundwork for future research to address broader data privacy concerns and improve cross-dataset generalization. Code available here: https://gitlab.idiap.ch/bob/bob.paper.wacv2025_chatgpt_face_pad

arxiv情報

提供元, 利用サービス

arxiv.jp, Google