論文の概要: Eyes Tell All: Irregular Pupil Shapes Reveal GAN-generated Faces

• arxiv url: http://arxiv.org/abs/2109.00162v1
• Date: Wed, 1 Sep 2021 03:25:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-02 14:23:17.518297
• Title: Eyes Tell All: Irregular Pupil Shapes Reveal GAN-generated Faces
• Title（参考訳）: 不規則な瞳の形、ガンが生成した顔を見せてくれる
• Authors: Hui Guo, Shu Hu, Xin Wang, Ming-Ching Chang, Siwei Lyu
• Abstract要約: GAN生成顔は不規則な瞳孔形状で露出できることを示す。 この現象は、GANモデルにおける生理的制約の欠如によって引き起こされる。
• 参考スコア（独自算出の注目度）: 40.15016121723183
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative adversary network (GAN) generated high-realistic human faces have been used as profile images for fake social media accounts and are visually challenging to discern from real ones. In this work, we show that GAN-generated faces can be exposed via irregular pupil shapes. This phenomenon is caused by the lack of physiological constraints in the GAN models. We demonstrate that such artifacts exist widely in high-quality GAN-generated faces and further describe an automatic method to extract the pupils from two eyes and analysis their shapes for exposing the GAN-generated faces. Qualitative and quantitative evaluations of our method suggest its simplicity and effectiveness in distinguishing GAN-generated faces.
• Abstract（参考訳）: generative adversary network (gan) は、偽のソーシャルメディアアカウントのプロフィール画像として使われており、実際の顔と識別するのが視覚的に困難である。 本研究は,gan生成顔が不規則な瞳孔形状によって露出できることを示す。 この現象はganモデルにおける生理的制約の欠如によって引き起こされる。 これらの人工物が高品質なgan生成顔に広く存在することを実証し,さらに2つの眼から瞳孔を抽出し,その形状を解析してgan生成顔の露光を行う手法について述べる。 本手法の質的,定量的評価は,GAN生成顔の識別における簡便さと有効性を示している。

関連論文リスト

• CemiFace: Center-based Semi-hard Synthetic Face Generation for Face Recognition [33.17771044475894]
  顔画像と顔の同一性のある顔画像は、訓練された顔認識モデルの性能において極めて有効であることを示す。 そこで本研究では, 対象中心と様々なレベルの類似性を持つ顔サンプルを生成する, 拡散に基づく新しいアプローチ(すなわち, 中心をベースとした半硬顔生成)を提案する。
  論文  参考訳（メタデータ） (2024-09-27T16:11:30Z)
• Detecting High-Quality GAN-Generated Face Images using Neural Networks [23.388645531702597]
  本稿では,スペクトル帯域差を利用したGAN生成画像と実画像との区別手法を提案する。 特に,クロスバンド共起行列と空間共起行列を用いて,顔画像のデジタル保存を可能にする。 性能向上は特に重要であり、異なる後処理環境において92%以上を達成することを示す。
  論文  参考訳（メタデータ） (2022-03-03T13:53:27Z)
• GAN-generated Faces Detection: A Survey and New Perspectives [48.596997330548]
  GAN(Generative Adversarial Networks)は、非常にリアルな顔画像を生成する。 対応するGAN顔検出技術は、このような偽の顔を調べ、暴露することのできる活発な開発が進められている。 我々は、GANモデルから生成または合成された顔画像を検出する方法に焦点を当てる。
  論文  参考訳（メタデータ） (2022-02-15T02:36:56Z)
• MOST-GAN: 3D Morphable StyleGAN for Disentangled Face Image Manipulation [69.35523133292389]
  本稿では,顔の物理的属性を明示的にモデル化するフレームワークを提案する。 提案手法であるMOST-GANは,GANの表現力と光リアリズムを,非線形3次元形態素モデルの物理的ゆがみおよび柔軟性と統合する。 ポートレート画像の物理的特性を完全に3D制御する写真リアルな操作を実現し、照明の極端な操作、表情、およびフルプロファイルビューまでのポーズのバリエーションを可能にする。
  論文  参考訳（メタデータ） (2021-11-01T15:53:36Z)
• Face Hallucination via Split-Attention in Split-Attention Network [58.30436379218425]
  畳み込みニューラルネットワーク(CNN)は、顔幻覚を促進するために広く用いられている。 顔の全体像とテクスチャの細部を同時に考慮し,新たな内部分割注意グループ(ESAG)を提案する。 これら2つの経路から特徴を融合させることにより、顔の構造の整合性と顔の詳細の忠実度が強化される。
  論文  参考訳（メタデータ） (2020-10-22T10:09:31Z)
• Exposing GAN-generated Faces Using Inconsistent Corneal Specular Highlights [42.83346543247565]
  GAN合成顔は両眼の角膜特異なハイライトで露出できることを示す。 この矛盾は、GANモデルにおける物理的・生理学的制約の欠如によって引き起こされる。
  論文  参考訳（メタデータ） (2020-09-24T19:43:16Z)
• InterFaceGAN: Interpreting the Disentangled Face Representation Learned by GANs [73.27299786083424]
  我々は、最先端のGANモデルによって学習された不整合顔表現を解釈するInterFaceGANというフレームワークを提案する。 まず、GANは潜在空間の線型部分空間で様々な意味学を学ぶ。 次に、異なる意味論間の相関関係について詳細な研究を行い、部分空間射影を通してそれらをよりよく解離させる。
  論文  参考訳（メタデータ） (2020-05-18T18:01:22Z)

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。