論文の概要: Analyzing Human Observer Ability in Morphing Attack Detection -- Where Do We Stand?

• arxiv url: http://arxiv.org/abs/2202.12426v1
• Date: Thu, 24 Feb 2022 23:46:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 00:25:58.145669
• Title: Analyzing Human Observer Ability in Morphing Attack Detection -- Where Do We Stand?
• Title（参考訳）: モーフィング攻撃検出における人間のオブザーバ能力の解析 --どこに立つのか?
• Authors: Sankini Rancha Godage, Fr{\o}y L{\o}v{\aa}sda, Sushma Venkatesh, Kiran Raja, Raghavendra Ramachandra, Christoph Busch
• Abstract要約: この研究は、48の独特な被験者による現実的なモーフィング攻撃のベンチマークデータベースを作成する。 既存のデータベースとは違って、年齢、性別、民族について慎重に考慮し、新たに作成された画像データベースが作成されている。 新たに作成されたデータセットは、人間の観察者がモルヒド画像を検出する能力を研究するためにさらに使用される。
• 参考スコア（独自算出の注目度）: 11.37940154420898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While several works have studied the vulnerability of automated FRS and have proposed morphing attack detection (MAD) methods, very few have focused on studying the human ability to detect morphing attacks. The examiner/observer's face morph detection ability is based on their observation, domain knowledge, experience, and familiarity with the problem, and no works report the detailed findings from observers who check identity documents as a part of their everyday professional life. This work creates a new benchmark database of realistic morphing attacks from 48 unique subjects leading to 400 morphed images presented to the observers in a Differential-MAD (D-MAD) setting. Unlike the existing databases, the newly created morphed image database has been created with careful considerations to age, gender and ethnicity to create realistic morph attacks. Further, unlike the previous works, we also capture ten images from Automated Border Control (ABC) gates to mimic the realistic D-MAD setting leading to 400 probe images in border crossing scenarios. The newly created dataset is further used to study the ability of human observers' ability to detect morphed images. In addition, a new dataset of 180 morphed images is also created using the FRGCv2 dataset under the Single Image-MAD (S-MAD) setting. Further, to benchmark the human ability in detecting morphs, a new evaluation platform is created to conduct S-MAD and D-MAD analysis. The benchmark study employs 469 observers for D-MAD and 410 observers for S-MAD who are primarily governmental employees from more than 40 countries. The analysis provides interesting insights and points to expert observers' missing competence and failure to detect a considerable amount of morphing attacks. Human observers tend to detect morphed images to a lower accuracy as compared to the automated MAD algorithms evaluated in this work.
• Abstract（参考訳）: いくつかの研究が自動FRSの脆弱性を研究し、モーフィング攻撃検出(MAD)法を提案しているが、モーフィング攻撃を検出する人間の能力の研究はほとんどない。 受験者/オブザーバの顔形態検出能力は、その観察、ドメイン知識、経験、問題に慣れ親しんだことに基づいており、日常の職業生活の一部としてID文書をチェックする観察者による詳細な知見は報告されていない。 この研究は、48の被験者による現実的なモーフィング攻撃のベンチマークデータベースを作成し、ディファレンシャル・MAD(D-MAD)設定で観測者に提示された400のモーフィング画像に繋がる。 既存のデータベースとは異なり、新しく作成されたmorphed image databaseは年齢、性別、民族を慎重に考慮して作成され、リアルなmorph攻撃を生み出している。 さらに,前作と異なり,自動境界制御 (abc) ゲートからの10枚の画像も撮影し,国境横断シナリオにおいて400枚のプローブ画像を含む現実のd-mad設定を再現した。 新たに作成されたデータセットは、人間の観察者がモルヒド画像を検出する能力を研究するためにさらに使用される。 さらに、Single Image-MAD(S-MAD)設定の下でFRGCv2データセットを使用して、180個の画像の新しいデータセットを作成する。 さらに、形態を検出する人間の能力をベンチマークするために、S-MADおよびD-MAD分析を行うための新しい評価プラットフォームを作成する。 ベンチマーク調査では、D-MADには469人、S-MADには410人のオブザーバーが採用されている。 この分析は、専門家が不足している能力とかなりの量のモーフィング攻撃を検知できないことに対する興味深い洞察とポイントを提供する。 人間の観察者は、この研究で評価された自動MADアルゴリズムと比較して、変形した画像をより低い精度で検出する傾向がある。

関連論文リスト

• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。 この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。 我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
  我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。 我々は500人以上の参加者から行動データの35万件の試行を収集した。 次に、一般的な視覚モデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:13Z)
• FakeBench: Probing Explainable Fake Image Detection via Large Multimodal Models [62.66610648697744]
  我々は人間の知覚に関する生成的視覚的偽造の分類を導入し、人間の自然言語における偽造記述を収集する。 FakeBenchは、検出、推論、解釈、きめ細かい偽造分析の4つの評価基準でLMMを調べている。 本研究は,偽画像検出領域における透明性へのパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2024-04-20T07:28:55Z)
• SHIELD : An Evaluation Benchmark for Face Spoofing and Forgery Detection with Multimodal Large Language Models [63.946809247201905]
  フェーススプーフィングと偽造検出におけるMLLMの能力を評価するための新しいベンチマーク、ShielDを導入する。 我々は、これらの2つの顔セキュリティタスクにおいて、マルチモーダル顔データを評価するために、真/偽/複数選択の質問を設計する。 その結果,MLLMは顔セキュリティ領域において大きな可能性を秘めていることがわかった。
  論文  参考訳（メタデータ） (2024-02-06T17:31:36Z)
• Multispectral Imaging for Differential Face Morphing Attack Detection: A Preliminary Study [7.681417534211941]
  本稿では,D-MAD(D-MAD)のためのマルチスペクトルフレームワークを提案する。 提案したマルチスペクトルD-MADフレームワークは、7つの異なるスペクトルバンドを取得してモーフィング攻撃を検出するために、信頼できるキャプチャとしてキャプチャされたマルチスペクトル画像を導入する。
  論文  参考訳（メタデータ） (2023-04-07T07:03:00Z)
• 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)
• Testing Human Ability To Detect Deepfake Images of Human Faces [0.0]
  2020年、AIの専門家をコンサルティングするワークショップは、ディープフェイクを最も深刻なAI脅威と位置づけた。 本研究の目的は,人間の顔の深部像を識別する能力を評価することである。
  論文  参考訳（メタデータ） (2022-12-07T14:48:25Z)
• Face Morphing Attacks and Face Image Quality: The Effect of Morphing and the Unsupervised Attack Detection by Quality [6.889667606945215]
  形態形成過程が知覚的画像品質と顔認識における画像有用性の両方に影響を及ぼす可能性を理論的に論じる。 本研究は、顔画像品質測定と顔画像有効性測定の両方を含む、顔画像品質に対するモーフィングの効果を広範囲に分析する。 本研究は、この効果に基づいて、品質スコアに基づいて、教師なしモーフィング攻撃検出(MAD)を行う可能性について検討する。
  論文  参考訳（メタデータ） (2022-08-11T15:12:50Z)
• Psychophysical Evaluation of Human Performance in Detecting Digital Face Image Manipulations [14.63266615325105]
  この研究は、心理物理学の分野から採用された原則に基づいて、Webベースの遠隔視覚的識別実験を導入する。 本研究では,顔のスワップ,フォーミング,リタッチなど,さまざまな種類の顔画像を検出する能力について検討する。
  論文  参考訳（メタデータ） (2022-01-28T12:45:33Z)
• Morphing Attack Detection -- Database, Evaluation Platform and Benchmarking [16.77282920396874]
  モーフィング攻撃は顔認識システム(FRS)に深刻な脅威をもたらしている 最近の研究で報告されている進歩の数にもかかわらず、独立したベンチマーク、一般化可能性の課題、年齢、性別、民族性の考慮といった深刻な未解決の問題に留意する。 そこで本研究では,MADの進歩を促進するために,新たなシークエンスデータセットを提案する。
  論文  参考訳（メタデータ） (2020-06-11T14:11:09Z)
• Investigating Bias in Deep Face Analysis: The KANFace Dataset and Empirical Study [67.3961439193994]
  現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。 データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。 提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
  論文  参考訳（メタデータ） (2020-05-15T00:14:39Z)

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。