論文の概要: MToFNet: Object Anti-Spoofing with Mobile Time-of-Flight Data

• arxiv url: http://arxiv.org/abs/2110.04066v1
• Date: Wed, 6 Oct 2021 05:24:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 09:42:43.154260
• Title: MToFNet: Object Anti-Spoofing with Mobile Time-of-Flight Data
• Title（参考訳）: mtofnet: 移動時間データによるオブジェクトのスプーフィング
• Authors: Yonghyun Jeong, Doyeon Kim, Jaehyeon Lee, Minki Hong, Solbi Hwang, Jongwon Choi
• Abstract要約: オンライン市場では、売り手はディスプレイ画面上の他人の画像を悪質に捉え、スプーフ画像として利用することができる。 本稿では,モバイルカメラの対画像と深度マップをタイム・オブ・ファイト・センサで組み合わせたアンチ・スプーフィング手法を提案する。 我々は2つの埋め込みモデルからなる新しい表現モデルを構築し、再適応されたイメージを考慮せずに訓練することができる。
• 参考スコア（独自算出の注目度）: 9.632104433799256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In online markets, sellers can maliciously recapture others' images on display screens to utilize as spoof images, which can be challenging to distinguish in human eyes. To prevent such harm, we propose an anti-spoofing method using the paired rgb images and depth maps provided by the mobile camera with a Time-of-Fight sensor. When images are recaptured on display screens, various patterns differing by the screens as known as the moir\'e patterns can be also captured in spoof images. These patterns lead the anti-spoofing model to be overfitted and unable to detect spoof images recaptured on unseen media. To avoid the issue, we build a novel representation model composed of two embedding models, which can be trained without considering the recaptured images. Also, we newly introduce mToF dataset, the largest and most diverse object anti-spoofing dataset, and the first to utilize ToF data. Experimental results confirm that our model achieves robust generalization even across unseen domains.
• Abstract（参考訳）: オンライン市場では、売り手はディスプレイ画面上で他人の画像を悪質に捉え直してスプーフ画像として利用することができるため、人間の目では区別が難しい可能性がある。 このような危害を防止するため,モバイルカメラがタイム・オブ・ファイトセンサーで提供する対のrgb画像と深度マップを用いたアンチ・スプーフィング手法を提案する。 画像がディスプレイ画面で再キャプチャされると、moir\'eパターンとして知られる画面によって異なる様々なパターンがspoofイメージにキャプチャされる。 これらのパターンにより、アンチスプーフィングモデルが過度に適合し、未発見のメディアで再捕獲されたスプーフィング画像を検出することができない。 この問題を回避するため、2つの埋め込みモデルからなる新しい表現モデルを構築し、再構成された画像を考慮することなく訓練することができる。 また,最大かつ多種多様なオブジェクトアンチスプーフィングデータセットであるmToFデータセットを新たに導入し,ToFデータを初めて利用した。 実験により,本モデルが未確認領域をまたいでも堅牢な一般化を実現することを確認した。

関連論文リスト

• IMPRESS: Evaluating the Resilience of Imperceptible Perturbations Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
  拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。 知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。 本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
  論文  参考訳（メタデータ） (2023-10-30T03:33:41Z)
• DIAGNOSIS: Detecting Unauthorized Data Usages in Text-to-image Diffusion Models [79.71665540122498]
  保護されたデータセットにインジェクトされたコンテンツを配置することで、不正なデータ利用を検出する手法を提案する。 具体的には、ステルス画像ワープ機能を用いて、これらの画像にユニークな内容を追加することにより、保護された画像を修正する。 このモデルが注入されたコンテンツを記憶したかどうかを解析することにより、不正に不正に使用したモデルを検出することができる。
  論文  参考訳（メタデータ） (2023-07-06T16:27:39Z)
• Mask and Restore: Blind Backdoor Defense at Test Time with Masked Autoencoder [57.739693628523]
  Masked AutoEncoder (BDMAE) を用いたブラインドバックドア防御のためのフレームワークを提案する。 BDMAEは、画像構造的類似性とテスト画像とMAE復元の間のラベル整合性を用いて、トークン空間で可能なトリガを検出する。 私たちのアプローチは、モデル復元、パターンのトリガー、画像の良心に盲目です。
  論文  参考訳（メタデータ） (2023-03-27T19:23:33Z)
• Generative Model-Based Attack on Learnable Image Encryption for Privacy-Preserving Deep Learning [14.505867475659276]
  本稿では,プライバシ保護深層学習のための学習可能な画像暗号化手法に対する,新たな生成モデルに基づく攻撃を提案する。 我々は、StyleGANベースモデルと潜伏拡散ベースモデルという、最先端の2つの生成モデルを使用している。 その結果,提案手法により再構成された画像は,通常の画像と知覚的に類似していることがわかった。
  論文  参考訳（メタデータ） (2023-03-09T05:00:17Z)
• Exposing Fine-Grained Adversarial Vulnerability of Face Anti-Spoofing Models [13.057451851710924]
  Face-Spoofingは、スプーフする顔画像(例えば、印刷された写真)をライブ画像と区別することを目的としている。 従来は対向攻撃法を用いて対面防汚性能の評価を行った。 本稿では,顔の反偽造モデルにおけるきめ細かな敵の脆弱性を明らかにするための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-30T04:56:33Z)
• Federated Test-Time Adaptive Face Presentation Attack Detection with Dual-Phase Privacy Preservation [100.69458267888962]
  顔提示攻撃検出(fPAD)は、現代の顔認識パイプラインにおいて重要な役割を果たす。 法的およびプライバシー上の問題により、トレーニングデータ(実際の顔画像と偽画像)は、異なるデータソース間で直接共有することはできない。 本稿では,二相プライバシー保護フレームワークを用いたフェデレーションテスト時間適応顔提示検出を提案する。
  論文  参考訳（メタデータ） (2021-10-25T02:51:05Z)
• Dual Manifold Adversarial Robustness: Defense against Lp and non-Lp Adversarial Attacks [154.31827097264264]
  敵の訓練は、境界Lpノルムを持つ攻撃脅威モデルに対する一般的な防衛戦略である。 本稿では,2次元マニフォールド逆行訓練(DMAT)を提案する。 我々のDMATは、通常の画像の性能を改善し、Lp攻撃に対する標準的な敵の訓練と同等の堅牢性を達成する。
  論文  参考訳（メタデータ） (2020-09-05T06:00:28Z)
• Wavelet-Based Dual-Branch Network for Image Demoireing [148.91145614517015]
  画像復調のための空間的注意機構を備えたウェーブレットベースのデュアルブランチネットワーク(WDNet)を設計する。 我々のネットワークはウェーブレット領域のモアレパターンを除去し、モアレパターンの周波数を画像の内容から分離する。 さらに,本手法の有効性を実証し,WDNetが非スクリーン画像上のモアレアーティファクトの除去を一般化することを示す。
  論文  参考訳（メタデータ） (2020-07-14T16:44:30Z)
• Noise Modeling, Synthesis and Classification for Generic Object Anti-Spoofing [26.530310468430038]
  GOAS(Generic Object Anti-Spoofing)の問題に初めて取り組む。 これらの攻撃を検出するための重要な手がかりの1つは、捕捉センサーとスプーフ媒体によって導入されたノイズパターンである。 本稿では,画像中/センサの組み合わせからノイズパターンを合成し,識別するためのGANアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-29T14:52:36Z)

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。