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

• arxiv url: http://arxiv.org/abs/2202.12426v4
• Date: Mon, 5 Sep 2022 09:12:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:13:38.115834
• 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}sdal, Sushma Venkatesh, Kiran Raja, Raghavendra Ramachandra, Christoph Busch
• Abstract要約: 顔形態検出の検査官や観察官の能力は、その課題に対する専門知識、経験、親しみにかかっているという誤解が一般的である。 本研究は,48種類の被験者によるリアルなモーフィング攻撃のベンチマークデータベースを構築し,400個のモーフィング画像を生成する。 また、D-MAD設定における現実的な境界交差シナリオを再現するために、自動境界制御(ABC)ゲートからの画像を400個のプローブ画像でキャプチャし、人間の観察者がモルヒド画像を検出する能力を調べる。
• 参考スコア（独自算出の注目度）: 11.37940154420898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Few studies have focused on examining how people recognize morphing attacks, even as several publications have examined the susceptibility of automated FRS and offered morphing attack detection (MAD) approaches. MAD approaches base their decisions either on a single image with no reference to compare against (S-MAD) or using a reference image (D-MAD). One prevalent misconception is that an examiner's or observer's capacity for facial morph detection depends on their subject expertise, experience, and familiarity with the issue and that no works have reported the specific results of observers who regularly verify identity (ID) documents for their jobs. As human observers are involved in checking the ID documents having facial images, a lapse in their competence can have significant societal challenges. To assess the observers' proficiency, this work first builds a new benchmark database of realistic morphing attacks from 48 different subjects, resulting in 400 morphed images. We also capture images from Automated Border Control (ABC) gates to mimic the realistic border-crossing scenarios in the D-MAD setting with 400 probe images to study the ability of human observers to detect morphed images. A new dataset of 180 morphing images is also produced to research human capacity in the S-MAD environment. In addition to creating a new evaluation platform to conduct S-MAD and D-MAD analysis, the study employs 469 observers for D-MAD and 410 observers for S-MAD who are primarily governmental employees from more than 40 countries, along with 103 subjects who are not examiners. The analysis offers intriguing insights and highlights the lack of expertise and failure to recognize a sizable number of morphing attacks by experts. The results of this study are intended to aid in the development of training programs to prevent security failures while determining whether an image is bona fide or altered.
• Abstract（参考訳）: いくつかの出版物が自動FRSの感受性を調べ、モーフィング攻撃検出(MAD)アプローチを提供したとしても、人々がモーフィング攻撃をどのように認識するかを検討する研究はほとんどない。 MADアプローチは、比較(S-MAD)または参照イメージ(D-MAD)を使用する基準のない単一の画像に基づいて決定を行う。 顔形態検出の検査官や観察官の能力は、その課題に対する専門知識、経験、親密性に依存しており、自分の仕事のID(ID)文書を定期的に検証している観察者の具体的な結果を報告していないという誤解がある。 人間の観察者が顔画像を持つID文書の確認に関与しているため、その能力の低下は社会的な大きな課題となる。 観察者の習熟度を評価するため、この研究はまず48の被験者による現実的なモルヒネ攻撃のベンチマークデータベースを構築し、400のモルヒネ画像を生成する。 また、D-MAD設定における現実的な境界交差シナリオを再現するために、自動境界制御(ABC)ゲートからの画像を400個のプローブ画像でキャプチャし、人間の観察者がモルヒド画像を検出する能力を調べる。 s-mad環境における人間の能力を研究するために、180個のモーフィング画像の新しいデータセットも作成されている。 S-MADおよびD-MAD分析を行うための新たな評価プラットフォームの作成に加えて、40か国以上の政府職員であるD-MADの観察者469人、S-MADの観察者410人、検査員でない103人の被験者を雇用している。 この分析は興味深い洞察を与え、専門家による膨大な数の攻撃を認識できない専門知識の欠如と失敗を強調している。 本研究の目的は,画像がボナファイドであるか変化しているかを判定しながら,セキュリティ上の障害を防止するためのトレーニングプログラムの開発を支援することである。

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。