Impact of Face Image Quality Estimation on Presentation Attack Detection

要約

非参照顔画像品質評価方法は、顔認識システムの事前フィルタリング ステップとして人気を博しています。
それらのほとんどでは、品質スコアは通常、顔の一致を念頭に置いて設計されています。
ただし、Presentation Attack Detection (PAD) への影響と有用性を測定するために、少量の作業が行われています。
このホワイトペーパーでは、善意のサンプルと攻撃サンプルのフィルタリングに対する品質評価方法の効果、PAD システムへの影響、およびフィルタリングされた (品質によって) データセットでトレーニングするときにそのようなシステムのパフォーマンスがどのように改善されるかを調べます。
Vision Transformer PAD アルゴリズムでは、品質の低いサンプルを削除してトレーニング データセットを 20% 削減することで、クロスデータセット テストで BPCER を 3% 改善することができました。

要約(オリジナル)

Non-referential face image quality assessment methods have gained popularity as a pre-filtering step on face recognition systems. In most of them, the quality score is usually designed with face matching in mind. However, a small amount of work has been done on measuring their impact and usefulness on Presentation Attack Detection (PAD). In this paper, we study the effect of quality assessment methods on filtering bona fide and attack samples, their impact on PAD systems, and how the performance of such systems is improved when training on a filtered (by quality) dataset. On a Vision Transformer PAD algorithm, a reduction of 20% of the training dataset by removing lower quality samples allowed us to improve the BPCER by 3% in a cross-dataset test.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google