論文の概要: Single Morphing Attack Detection using Feature Selection and
Visualisation based on Mutual Information
- arxiv url: http://arxiv.org/abs/2110.13552v1
- Date: Tue, 26 Oct 2021 10:27:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-27 14:56:10.261907
- Title: Single Morphing Attack Detection using Feature Selection and
Visualisation based on Mutual Information
- Title（参考訳）: 特徴選択と相互情報に基づく視覚化を用いた単一モーフィング攻撃検出
- Authors: Juan Tapia and Christoph Busch
- Abstract要約: 本稿では, 強度, 形状, テクスチャから抽出した特徴を探索し, 相互情報フィルタに基づく特徴選択ステージを提案する。
目と鼻は、分析される最も重要な領域として識別される。
- 参考スコア（独自算出の注目度）: 13.725021925072603
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Face morphing attack detection is a challenging task. Automatic
classification methods and manual inspection are realised in automatic border
control gates to detect morphing attacks. Understanding how a machine learning
system can detect morphed faces and the most relevant facial areas is crucial.
Those relevant areas contain texture signals that allow us to separate the bona
fide and the morph images. Also, it helps in the manual examination to detect a
passport generated with morphed images. This paper explores features extracted
from intensity, shape, texture, and proposes a feature selection stage based on
the Mutual Information filter to select the most relevant and less redundant
features. This selection allows us to reduce the workload and know the exact
localisation of such areas to understand the morphing impact and create a
robust classifier. The best results were obtained for the method based on
Conditional Mutual Information and Shape features using only 500 features for
FERET images and 800 features for FRGCv2 images from 1,048 features available.
The eyes and nose are identified as the most critical areas to be analysed.
- Abstract（参考訳）: 顔のモーフィング攻撃検出は難しい課題である。
自動分類法と手動検査は自動境界制御ゲートで実現され、モーフィング攻撃を検出する。
機械学習システムが、変形した顔と最も関連する顔領域をどのように検出できるかを理解することは重要である。
関連する領域にはテクスチャ信号が含まれており、ボナファイドとモルフイメージを分離することができます。
また、手動検査でモルヒド画像で生成されたパスポートを検出するのに役立つ。
本稿では,強度,形状,テクスチャから抽出した特徴を探索し,相互情報フィルタに基づく特徴選択ステージを提案する。
この選択により、作業量を削減し、そのような領域の正確な局所化を知り、モーフィングの影響を理解し、堅牢な分類器を作成することができる。
その結果,feret画像では500点,frgcv2画像では800点,1,048点では800点の条件付き相互情報と形状特徴が得られた。
目と鼻は、分析される最も重要な領域として識別される。
関連論文リスト
- UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳（メタデータ） (2024-07-26T20:51:54Z) - Learning Expressive And Generalizable Motion Features For Face Forgery
Detection [52.54404879581527]
本稿では,既存のビデオ分類手法に基づく,シーケンスに基づく効果的な偽造検出フレームワークを提案する。
動作特徴をより表現しやすくするために,別の動作整合ブロックを提案する。
一般的なビデオ分類ネットワークを3つの顔偽造データに対して有望な結果を達成する。
論文 参考訳（メタデータ） (2024-03-08T09:25:48Z) - DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-07T07:19:45Z) - Analyzing eyebrow region for morphed image detection [4.879461135691896]
提案手法は,眼窩領域の周波数を解析することに基づく。
以上の結果から,本手法は画像の変形検出に有用なツールである可能性が示唆された。
論文 参考訳（メタデータ） (2023-10-30T06:11:27Z) - Face Feature Visualisation of Single Morphing Attack Detection [13.680968065638108]
本稿では,異なる顔特徴抽出アルゴリズムの視覚化について説明する。
単変態攻撃検出のためのボナファイドの検出と変態画像を可能にする。
この視覚化は、境界ポリシーのためのグラフィカルユーザインタフェースの開発に役立つかもしれない。
論文 参考訳（メタデータ） (2023-04-25T17:51:23Z) - MorDeephy: Face Morphing Detection Via Fused Classification [0.0]
単一画像顔形態検出のための新しい深層学習手法を提案する。
深層顔の特徴を学習し、これらの特徴の真正性に関する情報を伝達する。
提案手法はMorDeephyと呼ばれ,その技術性能を達成し,未知のシナリオに変形検出を行うタスクを一般化する顕著な能力を示した。
論文 参考訳（メタデータ） (2022-08-05T11:39:22Z) - Towards Intrinsic Common Discriminative Features Learning for Face
Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。
我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文 参考訳（メタデータ） (2022-07-08T09:23:59Z) - Face Morphing Attack Detection Using Privacy-Aware Training Data [0.991629944808926]
顔の形をした画像は、顔認識ベースのセキュリティシステムに深刻な脅威をもたらす。
現代の検出アルゴリズムは、実際の人物の認証画像を用いて、このような形態的攻撃を識別する。
このアプローチは、さまざまなプライバシー上の懸念を提起し、公開されているトレーニングデータの量を制限する。
論文 参考訳（メタデータ） (2022-07-02T19:00:48Z) - Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。
提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。
提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文 参考訳（メタデータ） (2021-07-13T02:59:31Z) - 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) - Deep Texture-Aware Features for Camouflaged Object Detection [69.84122372541506]
本稿では, テクスチャ認識モジュールを定式化し, 深層畳み込みニューラルネットワークにおけるテクスチャ認識の特徴を学習する。
我々は,キャモフラージュされた物体検出のためのベンチマークデータセット上で,定性的かつ定量的にネットワークを評価した。
論文 参考訳（メタデータ） (2021-02-05T04:38:32Z)
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。