Core Concepts
CNN 네트워크의 데이터 도메인 변화를 시각화하고, 분류 작업에서 최적의 임계값을 선택하는 방법을 제안한다.
Abstract
최근 얼굴 위조 기술의 발전으로 인해 얼굴 인식 기술의 보안이 위협받고 있다. 기존 얼굴 위조 탐지 기술은 물리적으로 위조된 얼굴에 초점을 맞추고 있으며, 디지털로 편집된 얼굴에 대한 강건한 솔루션이 부족하다. 또한 최적의 배포 결과를 달성하기 위한 적절한 임계값 설정이 여전히 문제로 남아있다.
이를 해결하기 위해 다음과 같은 방법을 제안한다:
데이터 시각화 방법: 모델의 예측 결과를 시각화하여 모델 학습 결과를 직관적으로 반영한다.
데이터 증강 기법: 다운샘플링과 가우시안 블러를 활용하여 크로스 도메인 작업의 성능을 향상시킨다.
임계값 선택 방법: 데이터 시각화 접근법을 기반으로 최적의 임계값을 설정한다.
이러한 방법을 통해 Unified Physical-Digital Face Attack Detection 대회와 Snapshot Spectral Imaging Face Anti-spoofing 대회에서 2위를 달성했다.
Stats
다운샘플링 후 데이터 도메인이 더 넓어지며, 가우시안 블러는 데이터 분포를 더 응집력 있게 만든다.
다운샘플링은 데이터 도메인을 확장하고, 가우시안 블러는 클래스 내 데이터를 더 응집력 있게 만든다.
다운샘플링 후 데이터 도메인 경계점이 크게 변화하지만, 데이터 밀도 자체는 크게 변화하지 않는다.
가우시안 블러는 데이터 밀도를 크게 변화시킨다.
Quotes
"최근 얼굴 위조 기술의 발전으로 인해 얼굴 인식 기술의 보안이 위협받고 있다."
"기존 얼굴 위조 탐지 기술은 물리적으로 위조된 얼굴에 초점을 맞추고 있으며, 디지털로 편집된 얼굴에 대한 강건한 솔루션이 부족하다."
"최적의 배포 결과를 달성하기 위한 적절한 임계값 설정이 여전히 문제로 남아있다."