セグメンテーションに基づく背景除去が認識とモーフィング攻撃検出に与える影響

arXiv cs.CV / 2026/4/23

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本研究は、セグメンテーションによる顔画像の背景補正（背景除去）が、現実的で制約の少ない撮影条件における顔認識精度とモーフィング攻撃検出にどう影響するかを調査します。
動機は、欧州入出国システム（EES）のような実運用バイオメトリクス導入にあり、空港や国境検問などでは制御された撮影環境・背景を常に確保できないことや、従来のオフィス環境外での撮影が必要になるアクセシビリティ上の要請が挙げられます。
研究では、複数のセグメンテーション手法、複数のモーフィング攻撃検出手法の系統、そして複数の顔認識モデルを、制御画像と野外画像の両方を含むデータセットで評価しています。
結果として、セグメンテーションは認識性能と顔画像の品質の両方に対して一貫した傾向を示し、さらにモーフィング攻撃検出性能にも体系的な影響を与えることが分かります。
大規模な本人確認システムで前処理を導入・運用する際、利便性（認識）だけでなく安全性（攻撃検出）にも影響し得るため、前処理の選定を慎重に検討する必要があると結論づけています。

要旨: 本研究は、セグメンテーションによる顔画像の背景補正が、現実的で制約の少ない画像取得シナリオにおける顔認識およびモーフィング攻撃検出の性能に与える影響を調査する。動機は、欧州入出国管理システム（EES）のような運用型の生体認証システムにより支えられている。これは、空港やその他の国境検問地点で顔の登録（enrolment）が必要である一方、そのような撮影に通常求められる制御された背景が常に保証できるとは限らないためである。また、従来のオフィス環境の外で画像撮影が必要になる可能性のあるアクセシビリティ要件によっても動機づけられる。本研究では、この種の前処理ステップが認識精度とセキュリティ機構の両方にどのように影響するかを分析することで、ユーザビリティ主導の画像正規化と、大規模な生体識別システムに対する信頼性要件との間に存在する重要なギャップに取り組む。本研究では、制御された画像撮影と野外（in-the-wild）での画像撮影の両方を含むデータベースを用い、包括的な範囲のセグメンテーション手法、モーフィング攻撃検出手法の3つの系統、さらに顔認識モデルの4つの異なるモデルを評価する。その結果、セグメンテーションが認識性能と顔画像品質の両方に結びつく一貫したパターンが明らかになった。加えて、セグメンテーションはモーフィング攻撃検出性能に対して体系的に影響を及ぼすことも示された。これらの知見は、運用上の生体認証システムにおいてこのような前処理技術を導入する際に、慎重に検討する必要性を強調する。