論文の概要: A Physical-World Adversarial Attack Against 3D Face Recognition

• arxiv url: http://arxiv.org/abs/2205.13412v1
• Date: Thu, 26 May 2022 15:06:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-27 14:56:45.328175
• Title: A Physical-World Adversarial Attack Against 3D Face Recognition
• Title（参考訳）: 3次元顔認証に対する物理世界対応攻撃
• Authors: Yanjie Li, Yiquan Li, Bin Xiao
• Abstract要約: 構造光イメージングは3次元形状を測定する一般的な方法である。 この方法は容易に攻撃でき、不正確な3D顔認識につながる。 本稿では, 構造光攻撃と呼ばれる, 縁構造光システムに対する, 物理的に達成可能な新たな攻撃法を提案する。
• 参考スコア（独自算出の注目度）: 10.577749566854626
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: 3D face recognition systems have been widely employed in intelligent terminals, among which structured light imaging is a common method to measure the 3D shape. However, this method could be easily attacked, leading to inaccurate 3D face recognition. In this paper, we propose a novel, physically-achievable attack on the fringe structured light system, named structured light attack. The attack utilizes a projector to project optical adversarial fringes on faces to generate point clouds with well-designed noises. We firstly propose a 3D transform-invariant loss function to enhance the robustness of 3D adversarial examples in the physical-world attack. Then we reverse the 3D adversarial examples to the projector's input to place noises on phase-shift images, which models the process of structured light imaging. A real-world structured light system is constructed for the attack and several state-of-the-art 3D face recognition neural networks are tested. Experiments show that our method can attack the physical system successfully and only needs minor modifications of projected images.
• Abstract（参考訳）: 知的端末では3d顔認識システムが広く採用されており、構造化光イメージングは3d形状を測定する一般的な方法である。 しかし、この手法は容易に攻撃でき、不正確な3D顔認証につながる。 本稿では, 構造光攻撃と呼ばれる, 縁構造光システムに対する, 物理的に達成可能な新たな攻撃法を提案する。 この攻撃はプロジェクターを用いて顔に光対向レンズを投射し、よく設計されたノイズを持つ点雲を生成する。 まず,物理世界攻撃における3次元逆数例の堅牢性を高める3次元変換不変損失関数を提案する。 次に,3次元逆方向の例をプロジェクタの入力に逆転させて位相シフト画像にノイズを配置し,構造的光画像の過程をモデル化する。 攻撃に備えて実世界の構造化光システムを構築し、最先端の3D顔認識ニューラルネットワークを試験する。 実験の結果,本手法は物理的システムを効果的に攻撃でき,投影画像の小さな修正だけでよいことがわかった。

関連論文リスト

• VoxAtnNet: A 3D Point Clouds Convolutional Neural Network for Generalizable Face Presentation Attack Detection [2.6118211807973157]
  顔バイオメトリックシステムはプレゼンテーションアタック(PA)に対して脆弱である 本稿では,スマートフォンの前面カメラを用いて捉えた3次元点雲に基づくプレゼンテーション攻撃検出(PAD)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-19T07:30:36Z)
• Denoising Diffusion via Image-Based Rendering [54.20828696348574]
  実世界の3Dシーンの高速かつ詳細な再構築と生成を可能にする最初の拡散モデルを提案する。 まず、大きな3Dシーンを効率よく正確に表現できる新しいニューラルシーン表現であるIBプレーンを導入する。 第二に,2次元画像のみを用いて,この新たな3次元シーン表現の事前学習を行うためのデノイング拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-05T19:00:45Z)
• A Perceptual Shape Loss for Monocular 3D Face Reconstruction [13.527078921914985]
  本研究では,3次元顔再構成の質を人間がどう認識するかに着想を得た,単眼顔撮影のための新しい損失関数を提案する。 我々の損失は、入力顔画像と幾何推定のシェードレンダリングを採る判別器型ニューラルネットワークとして実装されている。 我々は、新しい知覚的形状損失が、単眼の3次元顔最適化とディープニューラルネットワーク回帰の伝統的なエネルギー用語とどのように組み合わせられるかを示す。
  論文  参考訳（メタデータ） (2023-10-30T14:39:11Z)
• Isometric 3D Adversarial Examples in the Physical World [34.291370103424995]
  3Dディープラーニングモデルは、2Dモデルと同じくらい敵対的な例に弱いことが示されている。 既存の攻撃方法はまだステルスには程遠いので、物理的な世界では深刻なパフォーマンス劣化に悩まされている。 本研究では, 自然かつ堅牢な3次元対向例を生成するために, 新規な$epsilon$-isometric ($epsilon$-ISO) 攻撃を提案する。
  論文  参考訳（メタデータ） (2022-10-27T09:58:15Z)
• 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)
• 3D Face Morphing Attacks: Generation, Vulnerability and Detection [3.700129710233692]
  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。
  論文  参考訳（メタデータ） (2022-01-10T16:53:39Z)
• Learning Indoor Inverse Rendering with 3D Spatially-Varying Lighting [149.1673041605155]
  1枚の画像からアルベド, 正常, 深さ, 3次元の空間的変化を共同で推定する問題に対処する。 既存のほとんどの方法は、シーンの3D特性を無視して、画像から画像への変換としてタスクを定式化する。 本研究では3次元空間変動照明を定式化する統合学習ベースの逆フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-13T15:29:03Z)
• Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
  本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。 実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。 よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
  論文  参考訳（メタデータ） (2021-01-17T21:15:34Z)
• DeepFaceFlow: In-the-wild Dense 3D Facial Motion Estimation [56.56575063461169]
  DeepFaceFlowは、3D非剛体顔の流れを推定するための堅牢で高速で高精度なフレームワークである。 私たちのフレームワークは、2つの非常に大規模な顔ビデオデータセットでトレーニングされ、テストされました。 登録された画像に対して,60fpsで3次元フローマップを生成する。
  論文  参考訳（メタデータ） (2020-05-14T23:56:48Z)
• 3D Face Anti-spoofing with Factorized Bilinear Coding [35.30886962572515]
  本稿では, きめ細かい分類の観点から, 新規なアンチ・スプーフィング法を提案する。 RGB と YCbCr 空間から識別的かつ相補的情報を抽出することにより、3次元顔スプーフィング検出の原理的解法を開発した。
  論文  参考訳（メタデータ） (2020-05-12T03:09:20Z)
• Differential 3D Facial Recognition: Adding 3D to Your State-of-the-Art 2D Method [90.26041504667451]
  能動照明を応用して最先端の2D顔認証手法を3次元特徴量で拡張できることが示唆された。 提案手法は顔認識性能を大幅に向上させ,スプーフィング攻撃に対するロバスト性を劇的に向上させる。
  論文  参考訳（メタデータ） (2020-04-03T20:17:14Z)

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。