論文の概要: The Influence of the Other-Race Effect on Susceptibility to Face Morphing Attacks

• arxiv url: http://arxiv.org/abs/2204.12591v1
• Date: Tue, 26 Apr 2022 20:59:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 13:29:22.574104
• Title: The Influence of the Other-Race Effect on Susceptibility to Face Morphing Attacks
• Title（参考訳）: 顔モフ攻撃の感受性に及ぼす他のストレス効果の影響
• Authors: Snipta Mallick, Geraldine Jeckeln, Connor J. Parde, Carlos D. Castillo, Alice J. O'Toole
• Abstract要約: 2つのアイデンティティの間に生じる顔形態は、この形態を生成するために使用される顔の両方に類似している。 人間と機械は、この形態を作るために使用される顔の2つのアイデンティティから作られた形態を間違えやすい。 この脆弱性は、セキュリティシナリオの"モルフィックアタック"で悪用されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial morphs created between two identities resemble both of the faces used to create the morph. Consequently, humans and machines are prone to mistake morphs made from two identities for either of the faces used to create the morph. This vulnerability has been exploited in "morph attacks" in security scenarios. Here, we asked whether the "other-race effect" (ORE) -- the human advantage for identifying own- vs. other-race faces -- exacerbates morph attack susceptibility for humans. We also asked whether face-identification performance in a deep convolutional neural network (DCNN) is affected by the race of morphed faces. Caucasian (CA) and East-Asian (EA) participants performed a face-identity matching task on pairs of CA and EA face images in two conditions. In the morph condition, different-identity pairs consisted of an image of identity "A" and a 50/50 morph between images of identity "A" and "B". In the baseline condition, morphs of different identities never appeared. As expected, morphs were identified mistakenly more often than original face images. Moreover, CA participants showed an advantage for CA faces in comparison to EA faces (a partial ORE). Of primary interest, morph identification was substantially worse for cross-race faces than for own-race faces. Similar to humans, the DCNN performed more accurately for original face images than for morphed image pairs. Notably, the deep network proved substantially more accurate than humans in both cases. The results point to the possibility that DCNNs might be useful for improving face identification accuracy when morphed faces are presented. They also indicate the significance of the ORE in morph attack susceptibility in applied settings.
• Abstract（参考訳）: 2つのアイデンティティの間に作られる顔形態は、形態を作るのに使用される顔の両方に類似している。 その結果、人間と機械は、この形態を作るために使用される顔の2つのアイデンティティから作られた形態を間違えやすい。 この脆弱性は、セキュリティシナリオの"morph attack"で悪用されている。 そこで我々は,他者の顔の識別における人間的優位性である「異人種効果(ore)」がヒトのモルフィック攻撃感受性を悪化させるかどうかを問うた。 また,深層畳み込みニューラルネットワーク(dcnn)における顔識別性能は,顔の種別によって影響を受けるか質問した。 コーカサス (CA) と東アジア (EA) の参加者は, 2つの条件でCAとEAの対の顔画像に対して顔同一性マッチングタスクを行った。 形態条件では、識別対は「A」のイメージと「A」と「B」のイメージ間の50/50形態からなる。 基準条件では、異なる同一性の形態は現れなかった。 予想通り、形態は元の顔画像よりも誤って識別された。 さらに, EA面(部分ORE)と比較してCA面が有利であった。 第一に, モルフォロジーの同定は, クロスレース顔では, 自己レース顔よりも有意に悪化した。 人間と同様に、dcnnはモーフィックな画像ペアよりもオリジナルの顔画像をより正確に実行した。 特に、深層ネットワークはどちらも人間よりもかなり正確であることが判明した。 以上の結果から,DCNNは変形顔の認識精度を向上させるのに有用である可能性が示唆された。 また, 適用条件下でのモルヒネ攻撃感受性におけるOREの重要性も示唆した。

関連論文リスト

• LADIMO: Face Morph Generation through Biometric Template Inversion with Latent Diffusion [5.602947425285195]
  顔改ざん攻撃は、顔認識システムに深刻なセキュリティ脅威をもたらす。 本稿では,2つの顔認識の埋め込みにおいて,表現レベルの顔形態形成手法であるLADIMOを提案する。 顔形態変種は個々の攻撃成功率を持ち、形態的攻撃ポテンシャルを最大化できることを示す。
  論文  参考訳（メタデータ） (2024-10-10T14:41:37Z)
• Towards minimizing efforts for Morphing Attacks -- Deep embeddings for morphing pair selection and improved Morphing Attack Detection [4.349201388722244]
  顔埋め込みは、大規模なモルフィング攻撃生成のための画像の選択と、潜在的なモルフィング攻撃を検出する2つの目的がある。 顔の埋め込み類似性に基づいて個人をペアリングする事前選択アルゴリズムを用いる。 モーフィング・アタックを検出する能力の観点から、2つの最先端の顔認識システムからの埋め込みを比較した。
  論文  参考訳（メタデータ） (2023-05-29T17:00:40Z)
• Vulnerability of Face Morphing Attacks: A Case Study on Lookalike and Identical Twins [5.418573094563416]
  本研究は、顔形態形成の発生源として、見かけ上の類似性および同一の双生児について検討する。 本稿では,顔認証システムの脆弱性を,外観と同一の双対形態画像にベンチマークする手法を提案する。 実験は、通常の顔形態変化による脆弱性の影響について、見た目や同一の顔形態変化と比較して洞察を与えるように設計されている。
  論文  参考訳（メタデータ） (2023-03-24T13:59:48Z)
• MorphGANFormer: Transformer-based Face Morphing and De-Morphing [55.211984079735196]
  顔変形に対するスタイルGANベースのアプローチが主要な技術である。 本稿では,顔の変形に対する変換器ベースの代替手段を提案し,その利点をStyleGANベースの方法と比較した。
  論文  参考訳（メタデータ） (2023-02-18T19:09:11Z)
• Facial De-morphing: Extracting Component Faces from a Single Morph [12.346914707006773]
  モルヒネ攻撃検出戦略は モルヒネを検出できるが 画像や身元を復元できない そこで本研究では,顔画像から両アイデンティティの画像を同時に復元できる新しいデモーフィング手法を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:02Z)
• Face Morphing: Fooling a Face Recognition System Is Simple! [4.4855664250147465]
  最先端の顔認識アプローチは、2つの顔が同一のアイデンティティに属するかどうかを予測する顕著な結果を示している。 しかし、変形した顔に露出すると、その精度は著しく低下し、特に2つのアイデンティティに類似するように生成される。 変形顔を生成するために、単純な事前学習されたFRモデルをGAN(Generative Adversarial Network)に統合し、顔変形のためのいくつかの損失関数を修正した。
  論文  参考訳（メタデータ） (2022-05-27T07:17:09Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• Learning Fair Face Representation With Progressive Cross Transformer [79.73754444296213]
  フェアフェイス認識のためのプログレッシブクロストランス (PCT) 手法を提案する。 我々は,PCTが最先端FR性能を達成しつつ,顔認識におけるバイアスを軽減することができることを示した。
  論文  参考訳（メタデータ） (2021-08-11T01:31:14Z)
• Face Hallucination via Split-Attention in Split-Attention Network [58.30436379218425]
  畳み込みニューラルネットワーク(CNN)は、顔幻覚を促進するために広く用いられている。 顔の全体像とテクスチャの細部を同時に考慮し,新たな内部分割注意グループ(ESAG)を提案する。 これら2つの経路から特徴を融合させることにより、顔の構造の整合性と顔の詳細の忠実度が強化される。
  論文  参考訳（メタデータ） (2020-10-22T10:09:31Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)
• DotFAN: A Domain-transferred Face Augmentation Network for Pose and Illumination Invariant Face Recognition [94.96686189033869]
  本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。 DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。 実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
  論文  参考訳（メタデータ） (2020-02-23T08:16:34Z)

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。