論文の概要: Differential Morph Face Detection using Discriminative Wavelet Sub-bands
- arxiv url: http://arxiv.org/abs/2106.13178v1
- Date: Thu, 24 Jun 2021 16:55:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-25 15:05:08.309901
- Title: Differential Morph Face Detection using Discriminative Wavelet Sub-bands
- Title（参考訳）: 識別ウェーブレットサブバンドを用いた差分モーフィック顔検出
- Authors: Baaria Chaudhary, Poorya Aghdaie, Sobhan Soleymani, Jeremy Dawson,
Nasser M. Nasrabadi
- Abstract要約: 顔認識システムは、モーフィング攻撃に弱い。
本研究では,非効率な2次元離散ウェーブレット変換を利用したモーフィックアタック検出アルゴリズムを提案する。
識別ウェーブレットサブバンドは、実画像と形態画像との相違をアクセントすることができる。
- 参考スコア（独自算出の注目度）: 18.22557507385582
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face recognition systems are extremely vulnerable to morphing attacks, in
which a morphed facial reference image can be successfully verified as two or
more distinct identities. In this paper, we propose a morph attack detection
algorithm that leverages an undecimated 2D Discrete Wavelet Transform (DWT) for
identifying morphed face images. The core of our framework is that artifacts
resulting from the morphing process that are not discernible in the image
domain can be more easily identified in the spatial frequency domain. A
discriminative wavelet sub-band can accentuate the disparity between a real and
a morphed image. To this end, multi-level DWT is applied to all images,
yielding 48 mid and high-frequency sub-bands each. The entropy distributions
for each sub-band are calculated separately for both bona fide and morph
images. For some of the sub-bands, there is a marked difference between the
entropy of the sub-band in a bona fide image and the identical sub-band's
entropy in a morphed image. Consequently, we employ Kullback-Liebler Divergence
(KLD) to exploit these differences and isolate the sub-bands that are the most
discriminative. We measure how discriminative a sub-band is by its KLD value
and the 22 sub-bands with the highest KLD values are chosen for network
training. Then, we train a deep Siamese neural network using these 22 selected
sub-bands for differential morph attack detection. We examine the efficacy of
discriminative wavelet sub-bands for morph attack detection and show that a
deep neural network trained on these sub-bands can accurately identify morph
imagery.
- Abstract（参考訳）: 顔認識システムはモルヒネ攻撃に対して極めて脆弱であり、変形した顔参照画像は2つ以上の異なる同一性として正常に検証できる。
本稿では,非効率な2次元離散ウェーブレット変換(DWT)を利用して顔形態を識別する形態攻撃検出アルゴリズムを提案する。
我々のフレームワークのコアは、画像領域で識別できない変形過程から生じる成果物を、空間周波数領域でより容易に識別できることである。
識別ウェーブレットサブバンドは、実画像と形態画像との差を強調することができる。
この目的のために、マルチレベルDWTは全画像に適用され、それぞれ48の中間帯域と高周波サブバンドが生成される。
各サブバンドのエントロピー分布は、ボナfideおよびmorph画像の両方について別々に計算される。
いくつかのサブバンドについては、ボナファイド画像におけるサブバンドのエントロピーと、モルヒド画像における同一サブバンドのエントロピーとの間に顕著な違いがある。
その結果、KLD(Kullback-Liebler Divergence)を用いてこれらの差を利用して最も識別性の高いサブバンドを分離する。
ネットワークトレーニングにおいて,サブバンドがKLD値によって識別され,KLD値が最も高い22のサブバンドが選択されるかを測定する。
次に,これらの22個のサブバンドを用いてディープシャムニューラルネットワークを訓練し,差分モーフアタック検出を行う。
モーフィックアタック検出における識別ウェーブレットサブバンドの有効性を検証し,これらのサブバンドを訓練したディープニューラルネットワークがモーフィックイメージを正確に識別できることを示す。
関連論文リスト
- Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - MorphGANFormer: Transformer-based Face Morphing and De-Morphing [55.211984079735196]
顔変形に対するスタイルGANベースのアプローチが主要な技術である。
本稿では,顔の変形に対する変換器ベースの代替手段を提案し,その利点をStyleGANベースの方法と比較した。
論文 参考訳（メタデータ） (2023-02-18T19:09:11Z) - Exploring Invariant Representation for Visible-Infrared Person
Re-Identification [77.06940947765406]
異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。
本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。
RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
論文 参考訳（メタデータ） (2023-02-02T05:24:50Z) - Landmark Enforcement and Style Manipulation for Generative Morphing [24.428843425522107]
本稿では,この問題を解決するためにランドマーク法を導入し,新しいスタイルGAN形態生成手法を提案する。
本モデルの潜伏空間の探索は主成分分析 (PCA) を用いて行われ, 両面が変形した潜伏表現に与える影響を強調した。
形態素の高周波再構成を改善するため,StyleGAN2モデルにおける雑音入力のトレインビリティについて検討した。
論文 参考訳（メタデータ） (2022-10-18T22:10:25Z) - Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth
Uncertainty Learning [54.15303628138665]
フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。
既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。
我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
論文 参考訳（メタデータ） (2021-12-01T15:36:59Z) - Morph Detection Enhanced by Structured Group Sparsity [18.22557507385582]
顔認識システムの整合性を著しく損なう顔変形攻撃の課題を考察する。
我々はウェーブレット領域分析を用いて、形態面の空間周波数内容の洞察を得る。
我々は、モルヒドおよびボナフィド画像の分解ウェーブレットサブバンドを用いて、ディープニューラルネットワーク(DNN)モルヒド検出器を訓練する。
論文 参考訳（メタデータ） (2021-11-29T20:45:03Z) - Adversarially Perturbed Wavelet-based Morphed Face Generation [16.98806338782858]
モールフド画像は、顔認識システムを騙して、複数の人を誤って受け入れる。
画像合成が簡単になるにつれて、研究コミュニティの利用可能なデータを拡張することが不可欠である。
両方の手法を用いて、FERET, FRGC, FRLLデータセットから高品質な逆向き摂動を生成する。
論文 参考訳（メタデータ） (2021-11-03T01:18:29Z) - Attention Aware Wavelet-based Detection of Morphed Face Images [18.22557507385582]
本稿では,エンドツーエンドのトレーニング可能なソフトアテンション機構を採用したウェーブレットに基づくモーメント検出手法を提案する。
提案手法の性能を,VISAPP17, LMA, MorGANの3つのデータセットを用いて評価した。
論文 参考訳（メタデータ） (2021-06-29T19:29:19Z) - Detection of Morphed Face Images Using Discriminative Wavelet Sub-bands [18.22557507385582]
識別可能な2次元離散ウェーブレット変換(2D-DWT)に基づく手法を提案する。
識別ウェーブレットサブバンドは、実画像と形態画像との整合性を強調することができる。
我々は22個の識別サブバンドで訓練されたディープニューラルネットワーク(DNN)が、変形したサンプルを正確に検出できることを示す。
論文 参考訳（メタデータ） (2021-06-16T06:03:08Z) - Invariant Deep Compressible Covariance Pooling for Aerial Scene
Categorization [80.55951673479237]
本研究では,空気シーン分類におけるニュアンス変動を解決するために,新しい不変な深部圧縮性共分散プール (IDCCP) を提案する。
本研究では,公開空間画像データセットに関する広範な実験を行い,最先端の手法と比較して,この手法の優位性を実証する。
論文 参考訳（メタデータ） (2020-11-11T11:13:07Z) - DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。
大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。
同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
論文 参考訳（メタデータ） (2020-09-20T09:48:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。