Fugu-MT 論文翻訳(概要): 3D Face Morphing Attacks: Generation, Vulnerability and Detection

論文の概要: 3D Face Morphing Attacks: Generation, Vulnerability and Detection

arxiv url: http://arxiv.org/abs/2201.03454v3
Date: Fri, 13 Oct 2023 07:48:24 GMT
ステータス: 処理完了
システム内更新日: 2023-10-16 18:35:59.961193
Title: 3D Face Morphing Attacks: Generation, Vulnerability and Detection
Title（参考訳）: 3D顔モフィング攻撃:生成、脆弱性、検出
Authors: Jag Mohan Singh, Raghavendra Ramachandra
Abstract要約: 顔認識システムはモルヒネ攻撃に弱いことが判明した。本研究は,3次元の顔変形攻撃を発生させる新しい方向を示す。
参考スコア（独自算出の注目度）: 3.700129710233692
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Face Recognition systems (FRS) have been found to be vulnerable to morphing attacks, where the morphed face image is generated by blending the face images from contributory data subjects. This work presents a novel direction for generating face-morphing attacks in 3D. To this extent, we introduced a novel approach based on blending 3D face point clouds corresponding to contributory data subjects. The proposed method generates 3D face morphing by projecting the input 3D face point clouds onto depth maps and 2D color images, followed by image blending and wrapping operations performed independently on the color images and depth maps. We then back-projected the 2D morphing color map and the depth map to the point cloud using the canonical (fixed) view. Given that the generated 3D face morphing models will result in holes owing to a single canonical view, we have proposed a new algorithm for hole filling that will result in a high-quality 3D face morphing model. Extensive experiments were conducted on the newly generated 3D face dataset comprising 675 3D scans corresponding to 41 unique data subjects and a publicly available database (Facescape) with 100 data subjects. Experiments were performed to benchmark the vulnerability of the {proposed 3D morph-generation scheme against} automatic 2D, 3D FRS, and human observer analysis. We also presented a quantitative assessment of the quality of the generated 3D face-morphing models using eight different quality metrics. Finally, we propose three different 3D face Morphing Attack Detection (3D-MAD) algorithms to benchmark the performance of 3D face morphing attack detection techniques.
Abstract（参考訳）: 顔認識システム (FRS) は, 顔画像にコントリビュータデータからの顔画像が混ざり合うことにより, 形態形成攻撃に対して脆弱であることが判明した。本研究は,3dで顔形成攻撃を発生させる新しい方向を示す。そこで本稿では, コントリビュータデータに対応する3次元顔点雲をブレンドする手法を提案する。提案手法は,入力された3次元顔点雲を深度マップと2次元カラー画像に投影し,次いでカラー画像と深度マップに独立して行う画像ブレンディングとラップ操作により3次元顔形態を生成する。次に、標準(固定)ビューを使用して、2次元モーフィングカラーマップと深度マップをポイントクラウドにバックプロジェクションしました。生成した3d顔モーフィングモデルが単一の正準ビューのために穴をあけることを考慮し,高品質な3d顔モーフィングモデルを実現するための新しいホール充填アルゴリズムを提案する。新たに生成した3d顔データセットは,41個のユニークなデータ対象に対応する675個の3dスキャンと,100個のデータ対象を持つ公開データベース(facescape)からなる。自動2次元, 3次元frs, ヒトオブザーバ解析に対する3次元モーフジェネレーションの脆弱性をベンチマークするために実験を行った。また,8つの異なる品質指標を用いて生成した3次元顔形態モデルの品質を定量的に評価した。最後に、3つの異なる3次元顔モフィング攻撃検出(3D-MAD)アルゴリズムを提案し、3次元顔モフィング攻撃検出技術の性能をベンチマークする。

関連論文リスト

3D-GANTex: 3D Face Reconstruction with StyleGAN3-based Multi-View Images and 3DDFA based Mesh Generation [0.8479659578608233]
本稿では,StyleGAN と 3D Morphable Models を用いた単一画像からのテクスチャ推定手法を提案する。その結果, 生成したメッシュは質が高く, テクスチャ表現がほぼ正確であることが示唆された。
論文参考訳（メタデータ） (2024-10-21T13:42:06Z)
FaceGPT: Self-supervised Learning to Chat about 3D Human Faces [69.4651241319356]
我々は、画像やテキストから3次元の人間の顔を推論するために、VLM(Large Vision-Language Models)のための自己教師型学習フレームワークFaceGPTを紹介した。 FaceGPTは、VLMのトークン空間に3Dフォーマブルフェイスモデルのパラメータ(3DMM)を埋め込むことで、この制限を克服する。我々は,FaceGPTが高品質な3次元顔再構成を実現し,汎用的な視覚指導の能力を維持していることを示す。
論文参考訳（メタデータ） (2024-06-11T11:13:29Z)
ID-to-3D: Expressive ID-guided 3D Heads via Score Distillation Sampling [96.87575334960258]
ID-to-3D(ID-to-3D)は、不整合表現を用いたIDとテキスト誘導型3次元頭部を生成する方法である。前例のないアイデンティティ一貫性と高品質なテクスチャと幾何生成を実現する。
論文参考訳（メタデータ） (2024-05-26T13:36:45Z)
Single-Shot Implicit Morphable Faces with Consistent Texture Parameterization [91.52882218901627]
本稿では,3次元形態素な顔モデルを構築するための新しい手法を提案する。本手法は, 最先端手法と比較して, フォトリアリズム, 幾何, 表現精度を向上する。
論文参考訳（メタデータ） (2023-05-04T17:58:40Z)
Generating 2D and 3D Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution [68.8204255655161]
マスターフェイス(英: master face)とは、人口の比率の高い顔認証をパスする顔画像である。 2次元および3次元の顔認証モデルに対して,これらの顔の最適化を行う。 3Dでは,2次元スタイルGAN2ジェネレータを用いて顔を生成し,深部3次元顔再構成ネットワークを用いて3次元構造を予測する。
論文参考訳（メタデータ） (2022-11-25T09:15:38Z)
Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
論文参考訳（メタデータ） (2022-04-09T03:46:18Z)
FaceScape: 3D Facial Dataset and Benchmark for Single-View 3D Face Reconstruction [29.920622006999732]
大規模な3次元顔データセット、FaceScape、およびそれに対応するベンチマークを提示し、単視点顔の3次元再構成を評価する。 FaceScapeデータをトレーニングすることにより、単一の画像入力から精巧な3次元顔モデルを予測する新しいアルゴリズムを提案する。また、FaceScapeデータを用いて、最新の単一視点顔再構成手法の評価を行う。
論文参考訳（メタデータ） (2021-11-01T16:48:34Z)
OSTeC: One-Shot Texture Completion [86.23018402732748]
ワンショット3D顔テクスチャ補完のための教師なしアプローチを提案する。提案手法では,2次元フェースジェネレータで回転画像を再構成することにより,入力画像を3次元で回転させ,見えない領域を埋め込む。完成したテクスチャーをジェネレーターに投影することで、ターゲットイメージを先取りします。
論文参考訳（メタデータ） (2020-12-30T23:53:26Z)
Multi-channel Deep 3D Face Recognition [4.726009758066045]
2次元顔認証の精度は、ポーズ、照明、メイクアップ、表情の変化によって依然として疑問視されている。本稿では,3次元顔データに基づく顔認識のためのマルチチャネルディープ3次元顔ネットワークを提案する。マルチチャネル深部3次元顔ネットワークの顔認識精度は98.6。
論文参考訳（メタデータ） (2020-09-30T15:29:05Z)
FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction [39.95272819738226]
単一画像入力から精巧な3次元顔モデルを予測できる新しいアルゴリズムを提案する。 FaceScapeデータセットは18,760のテクスチャ付き3D顔を提供する。
論文参考訳（メタデータ） (2020-03-31T07:11:08Z)

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。