論文の概要: Synthetic Periocular Iris PAI from a Small Set of Near-Infrared-Images
- arxiv url: http://arxiv.org/abs/2107.12014v1
- Date: Mon, 26 Jul 2021 08:07:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-27 16:02:52.443784
- Title: Synthetic Periocular Iris PAI from a Small Set of Near-Infrared-Images
- Title（参考訳）: 近赤外画像の小さなセットから合成した骨盤iris pai
- Authors: Jose Maureira, Juan Tapia, Claudia Arellano, Christoph Busch
- Abstract要約: 本稿では、4つの最先端GANアルゴリズムを用いた新しいPAI合成(SPI-PAI)を提案する。
LivDet-2020コンペティションで報告された最高のPADアルゴリズムは、合成PAIを用いてテストされた。
以上の結果から, 合成画像がばかげた提示攻撃検出アルゴリズムの実現可能性を示した。
- 参考スコア（独自算出の注目度）: 10.337140740056725
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Biometric has been increasing in relevance these days since it can be used
for several applications such as access control for instance. Unfortunately,
with the increased deployment of biometric applications, we observe an increase
of attacks. Therefore, algorithms to detect such attacks (Presentation Attack
Detection (PAD)) have been increasing in relevance. The LivDet-2020 competition
which focuses on Presentation Attacks Detection (PAD) algorithms have shown
still open problems, specially for unknown attacks scenarios. In order to
improve the robustness of biometric systems, it is crucial to improve PAD
methods. This can be achieved by augmenting the number of presentation attack
instruments (PAI) and bona fide images that are used to train such algorithms.
Unfortunately, the capture and creation of presentation attack instruments and
even the capture of bona fide images is sometimes complex to achieve. This
paper proposes a novel PAI synthetically created (SPI-PAI) using four
state-of-the-art GAN algorithms (cGAN, WGAN, WGAN-GP, and StyleGAN2) and a
small set of periocular NIR images. A benchmark between GAN algorithms is
performed using the Frechet Inception Distance (FID) between the generated
images and the original images used for training. The best PAD algorithm
reported by the LivDet-2020 competition was tested for us using the synthetic
PAI which was obtained with the StyleGAN2 algorithm. Surprisingly, The PAD
algorithm was not able to detect the synthetic images as a Presentation Attack,
categorizing all of them as bona fide. Such results demonstrated the
feasibility of synthetic images to fool presentation attacks detection
algorithms and the need for such algorithms to be constantly updated and
trained with a larger number of images and PAI scenarios.
- Abstract（参考訳）: バイオメトリックは、例えばアクセス制御のようないくつかのアプリケーションで使用できるため、近年、関連性が高まっている。
残念ながら、生体認証アプリケーションのデプロイの増加に伴い、攻撃の増加が観察される。
このため,このような攻撃を検出するアルゴリズム(Presentation Attack Detection (PAD))は,関連性が高まっている。
プレゼンテーションアタック検出(pad)アルゴリズムに焦点を当てたlivdet-2020コンペティションは、特に未知のアタックシナリオにおいて、まだ開いている問題を示している。
生体認証システムの堅牢性を向上させるためには,PAD法の改善が不可欠である。
これは、そのようなアルゴリズムを訓練するために使用されるプレゼンテーション攻撃装置(PAI)とボナフィド画像の数を増やすことで達成できる。
残念ながら、プレゼンテーション攻撃器の捕獲と作成、さらにはボナフィド画像のキャプチャさえも、実現には複雑である場合もある。
本稿では,4つの最先端GANアルゴリズム(cGAN,WGAN,WGAN-GP,StyleGAN2)と眼周囲NIR画像を用いた新しいPAI合成(SPI-PAI)を提案する。
GANアルゴリズム間のベンチマークは、生成された画像とトレーニングに使用される元の画像との間のFrechet Inception Distance(FID)を用いて行われる。
LivDet-2020コンペティションで報告された最良のPADアルゴリズムは、StyleGAN2アルゴリズムを用いて得られた合成PAIを用いてテストした。
驚いたことに、padアルゴリズムは合成画像をプレゼンテーションアタックとして検出できず、これらすべてをbona fideとして分類した。
このような結果から, 合成画像が提示攻撃検出アルゴリズムを騙す可能性や, より多数の画像やPAIシナリオで継続的に更新・訓練する必要性が示された。
関連論文リスト
- Zero-Shot Detection of AI-Generated Images [54.01282123570917]
AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。
機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。
ZEDは精度の点でSoTAよりも平均3%以上改善されている。
論文 参考訳（メタデータ） (2024-09-24T08:46:13Z) - RIGID: A Training-free and Model-Agnostic Framework for Robust AI-Generated Image Detection [60.960988614701414]
RIGIDは、堅牢なAI生成画像検出のためのトレーニング不要でモデルに依存しない方法である。
RIGIDは、既存のトレーニングベースおよびトレーニング不要な検出器を著しく上回っている。
論文 参考訳（メタデータ） (2024-05-30T14:49:54Z) - GE-AdvGAN: Improving the transferability of adversarial samples by
gradient editing-based adversarial generative model [69.71629949747884]
GAN(Generative Adversarial Networks)のような逆生成モデルは、様々な種類のデータを生成するために広く応用されている。
本研究では, GE-AdvGAN という新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-01-11T16:43:16Z) - Secure Information Embedding in Images with Hybrid Firefly Algorithm [2.9182357325967145]
本研究は,ホストイメージ内に機密文書フォーマット(PDF)を隠蔽する新たなステガノグラフィ手法を提案する。
この探索の目的は、ホスト画像のキャパシティを増大させ、歪みを減少させる2つの主要な目標を達成することである。
その結果,画像の歪みの減少と探索過程における収束速度の加速が示唆された。
論文 参考訳（メタデータ） (2023-12-21T01:50:02Z) - Fast Key Points Detection and Matching for Tree-Structured Images [4.929206987094714]
本稿では,木状パターンを用いたナノ解像度視覚識別子の画像マッチングに基づく新しい認証アルゴリズムを提案する。
提案アルゴリズムは様々な木構造画像マッチングに適用できるが,近年開発された視覚的識別子であるデンドライトに焦点をあてる。
論文 参考訳（メタデータ） (2022-11-07T00:22:56Z) - Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。
近年の取り組みは、他の等級のl_infty摂動と組み合わせている。
本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-06-10T20:11:36Z) - MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。
提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
論文 参考訳（メタデータ） (2020-10-25T23:01:13Z) - Anomaly Detection with Convolutional Autoencoders for Fingerprint
Presentation Attack Detection [11.879849130630406]
提示攻撃検出(PAD)法は、ボナファイド被検体由来のサンプルと、提示攻撃装置(PAI)由来のサンプルとを判定するために用いられる。
短波長赤外領域で捕獲されたボナファイドサンプル(すなわち1クラス)にのみ訓練されたオートエンコーダ(AE)に基づく新しいPAD手法を提案する。
論文 参考訳（メタデータ） (2020-08-18T15:33:41Z) - Efficient detection of adversarial images [2.6249027950824506]
画像の画素値は外部攻撃者によって修正されるため、人間の目にはほとんど見えない。
本稿では,修正画像の検出を容易にする新しい前処理手法を提案する。
このアルゴリズムの適応バージョンでは、ランダムな数の摂動が適応的に選択される。
論文 参考訳（メタデータ） (2020-07-09T05:35:49Z) - Determining Sequence of Image Processing Technique (IPT) to Detect
Adversarial Attacks [4.431353523758957]
本稿では,悪意のある入力を検出するための画像処理手法(IPTS)を自動決定する進化的手法を提案する。
遺伝的アルゴリズム(GA)に基づく検出フレームワークを開発し、最適なIPTSを見つける。
テスト時に動的に選択されるIPTSのセットは、敵攻撃のフィルタとして機能する。
論文 参考訳（メタデータ） (2020-07-01T08:59:14Z) - The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。
次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。
そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-16T08:17:44Z)
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。