Unbiased benchmarks for domain generalization in face anti-spoofing

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Almeida, Raul Gomes Pimentel de
Orientador(a): Menotti, David, 1978-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Identificação biométrica
Face
Ciência da Computação
Link de acesso: https://hdl.handle.net/1884/97194
Resumo: Orientador: David Menotti Gomes
id UFPR_e8d70697993b4d81b22083d8a8590ee3
oai_identifier_str oai:acervodigital.ufpr.br:1884/97194
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Granada, Roger LeitzkeUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaMenotti, David, 1978-Almeida, Raul Gomes Pimentel de2025-07-02T19:16:23Z2025-07-02T19:16:23Z2025https://hdl.handle.net/1884/97194Orientador: David Menotti GomesCoorientador: Roger Leitzke GranadaDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computação. Defesa : Curitiba, 17/03/2025Inclui referênciasÁrea de concentração: Ciência da ComputaçãoResumo: Face spoofing consiste em simular características biométricas faciais de uma pessoa de maneira a personificá-la em um sistema de reconhecimento facial (por exemplo, em aplicações de pagamento digital e mídia social). Detecção de vivacidade facial ou face anti-spoofing (FAS) é o problema de reconhecer ataques como estes. Atualmente o estado da arte nesta tarefa é dominado por modelos de aprendizagem profunda, que requerem uma grande quantidade de dados para seu treinamento. Apesar da dificuldade em se obter estes dados (devido à sua especificidade e sensibilidade), poucos trabalhos se aprofundam no uso de aumentação de dados especificamente para esta tarefa, o que poderia facilitar o enriquecimento do conjunto de treino e fortalecer o desempenho de modelos atuais. Este trabalho propõe uma técnica de aumentação de dados específica para FAS, Landmark Exchange, para melhorar o treino de modelos. Além disso, nós destacamos a presença de viés para o conjunto de teste em benchmarks de generalização de domínio (DG) em FAS que ocorre com o uso de dados de teste para validação em cada época. Mostramos que performance em benchmarks enviesados não implica em capacidade de generalização, e propomos alternativas não-enviesadas que melhoram resultados do estado da arteAbstract: Face spoofing consists of simulating a person’s facial biometric traits in order to impersonate them in a face recognition system (for example, in digital payment and social media applications). Face liveness detection or face anti-spoofing (FAS) is the problem of recognizing such attacks. The state of the art in this task is currently dominated by deep learning models, which require large amounts of training data. Despite the difficulty in collecting data (due to its specificity and sensibility), few works explore the usage of data augmentation specifically for this task, even though this could provide easy enrichment of training datasets and strengthen model performance. This work proposes a FAS-specific data augmentation technique, Landmark Exchange, to enhance model training. Furthermore, we shine light on how current Domain Generalization (DG) benchmarks in FAS are biased towards the test set by using test data for validation at every epoch. We show that performance on these biased benchmarks does not imply on generalization capability, and propose unbiased alternatives that enhance results for the state of the art1 recurso online : PDF.application/pdfIdentificação biométricaFaceCiência da ComputaçãoUnbiased benchmarks for domain generalization in face anti-spoofinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisengreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - RAUL GOMES PIMENTEL DE ALMEIDA.pdfapplication/pdf6821976https://acervodigital.ufpr.br/bitstream/1884/97194/1/R%20-%20D%20-%20RAUL%20GOMES%20PIMENTEL%20DE%20ALMEIDA.pdf5f53ce3f63d9fe9bb71ab95cd333e633MD51open access1884/971942025-07-02 16:16:23.173open accessoai:acervodigital.ufpr.br:1884/97194Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082025-07-02T19:16:23Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Unbiased benchmarks for domain generalization in face anti-spoofing
title Unbiased benchmarks for domain generalization in face anti-spoofing
spellingShingle Unbiased benchmarks for domain generalization in face anti-spoofing
Almeida, Raul Gomes Pimentel de
Identificação biométrica
Face
Ciência da Computação
title_short Unbiased benchmarks for domain generalization in face anti-spoofing
title_full Unbiased benchmarks for domain generalization in face anti-spoofing
title_fullStr Unbiased benchmarks for domain generalization in face anti-spoofing
title_full_unstemmed Unbiased benchmarks for domain generalization in face anti-spoofing
title_sort Unbiased benchmarks for domain generalization in face anti-spoofing
author Almeida, Raul Gomes Pimentel de
author_facet Almeida, Raul Gomes Pimentel de
author_role author
dc.contributor.other.pt_BR.fl_str_mv Granada, Roger Leitzke
Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.advisor1.fl_str_mv Menotti, David, 1978-
dc.contributor.author.fl_str_mv Almeida, Raul Gomes Pimentel de
contributor_str_mv Menotti, David, 1978-
dc.subject.por.fl_str_mv Identificação biométrica
Face
Ciência da Computação
topic Identificação biométrica
Face
Ciência da Computação
description Orientador: David Menotti Gomes
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-07-02T19:16:23Z
dc.date.available.fl_str_mv 2025-07-02T19:16:23Z
dc.date.issued.fl_str_mv 2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/97194
url https://hdl.handle.net/1884/97194
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/97194/1/R%20-%20D%20-%20RAUL%20GOMES%20PIMENTEL%20DE%20ALMEIDA.pdf
bitstream.checksum.fl_str_mv 5f53ce3f63d9fe9bb71ab95cd333e633
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526344251932672

Registros relacionados