顔のなりすまし検知の分野でのPixel-Wise Supervisionをパワーアップさせる新しいフレームワーク「Pyramid Supervision」

3つの要点
✔️ 顔のなりすまし検知の分野における既存のPixel-Wise Supervisionの包括的なレビューを提供
✔️ きめ細かい学習のために、より利用情報の多いマルチスケールの空間コンテキストを提供可能で、既存手法に容易に組み込み可能な新しいPyramid Supervisionを提案
✔️ 既存のPixel-Wise Supervisionのフレームワークを超える性能を達成、またモデルの解釈可能性を向上

Revisiting Pixel-Wise Supervision for Face Anti-Spoofing
written by Zitong Yu, Xiaobai Li, Jingang Shi, Zhaoqiang Xia, Guoying Zhao
(Submitted on 24 Nov 2020)
Comments: submitted to IEEE Transactions on Biometrics, Behavior and Identity Science
Subjects: Computer Vision and Pattern Recognition (cs.CV)
 

概要

近年、顔認証技術の普及が進んでいます。スマートフォンのロック解除、空港の入出国では、当たり前のように利用されています。また、今年開催予定のオリンピックでも大会関係者の管理にも顔認証が利用される予定です。しかし、その一方で、顔のなりすましによる懸念も大きくなっており、これを防ぐ技術である顔のなりすまし防止（Face Anti-Spoofing、FAS）の分野が注目されています。

なりすましの技術は年々進化しています。新しいタイプのなりすましが現実的になるにつれて、既存モデルで学習していないシナリオに対してもなりすましを検知する堅牢なアルゴリズムが求められています。従来のバイナリ分類によるモデル（たとえば、本物が"0"、なりすましが"1"）は、比較的構築しやすく、高い性能を達成するものの、本質的で識別力のあるなりすましパターンを学習することが難しいという弱点があります。

そこで、近年、より識別に有用な特徴を学習できるように、よりきめ細かいピクセル/パッチレベルの特徴を学習することを目的としたPixel-Wise SupervisionがFASタスクで提案されています。

この論文では、上表のように従来の手法を包括的にレビューしたうえで、マルチスケールの空間コンテキストからローカルの詳細情報とグローバルなセマンティクス情報の両方を学習させるPyramid Supervisionという新しいフレームワークを提案しています。この記事ではフレームワークとその性能について紹介します。

このPyramid Supervisionを導入したモデルでは、5つのFASのベンチマークデータセットで広範な実験を行った結果、既存のPixel-Wise Supervisionによる性能を向上させるだけでなく、パッチレベルでなりすましの痕跡箇所を特定し、モデルの解釈可能性も向上させています。 

Takumu

インターネット広告企業（DSP、DMP etc）や機械学習スタートアップで、プロジェクトマネージャー/プロダクトマネージャー、リサーチャーとして働き、現在はIT企業で新規事業のプロダクトマネージャーをしています。データや機械学習を活用したサービス企画や、機械学習・数学関連のセミナー講師なども行っています。