論文の概要: Reconstruct Face from Features Using GAN Generator as a Distribution
Constraint
- arxiv url: http://arxiv.org/abs/2206.04295v1
- Date: Thu, 9 Jun 2022 06:11:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-11 01:27:30.668389
- Title: Reconstruct Face from Features Using GAN Generator as a Distribution
Constraint
- Title(参考訳): 配電用GAN発電機を用いた特徴量からの再構成
- Authors: Xingbo Dong, Zhihui Miao, Lan Ma, Jiajun Shen, Zhe Jin, Zhenhua Guo,
Andrew Beng Jin Teoh
- Abstract要約: 深層畳み込みニューラルネットワーク(CNN)に基づく顔認識は、抽出された高い識別特性に起因する精度の高い性能を示す。
しかし、ディープラーニングモデル(ディープ機能)から抽出した機能のセキュリティとプライバシは、しばしば見過ごされている。
本稿では,CNNネットワーク構成にアクセスすることなく,深い特徴から顔画像の再構成を提案する。
- 参考スコア(独自算出の注目度): 17.486032607577577
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Face recognition based on the deep convolutional neural networks (CNN) shows
superior accuracy performance attributed to the high discriminative features
extracted. Yet, the security and privacy of the extracted features from deep
learning models (deep features) have been often overlooked. This paper proposes
the reconstruction of face images from deep features without accessing the CNN
network configurations as a constrained optimization problem. Such optimization
minimizes the distance between the features extracted from the original face
image and the reconstructed face image. Instead of directly solving the
optimization problem in the image space, we innovatively reformulate the
problem by looking for a latent vector of a GAN generator, then use it to
generate the face image. The GAN generator serves as a dual role in this novel
framework, i.e., face distribution constraint of the optimization goal and a
face generator. On top of the novel optimization task, we also propose an
attack pipeline to impersonate the target user based on the generated face
image. Our results show that the generated face images can achieve a
state-of-the-art successful attack rate of 98.0\% on LFW under type-I attack @
FAR of 0.1\%. Our work sheds light on the biometric deployment to meet the
privacy-preserving and security policies.
- Abstract(参考訳): 深層畳み込みニューラルネットワーク(CNN)に基づく顔認識は、抽出された高い識別特性に起因する精度の高い性能を示す。
しかし、ディープラーニングモデル(ディープ機能)から抽出した機能のセキュリティとプライバシは、しばしば見過ごされている。
本稿では,cnnネットワーク構成にアクセスせずに,深い特徴から顔画像の再構成を制約付き最適化問題として提案する。
このような最適化は、元の顔画像から抽出された特徴と再構成された顔画像との距離を最小化する。
画像空間における最適化問題を直接解決する代わりに,GAN生成器の潜伏ベクトルを探索し,顔画像を生成することにより,問題を革新的に再構築する。
gan生成器は、この新フレームワーク、すなわち最適化目標の面分布制約と顔生成器において、二重の役割を担っている。
また,新たな最適化タスクに加えて,生成した顔画像に基づいてターゲットユーザを偽装する攻撃パイプラインを提案する。
以上の結果から, LFWでは, Type-I 攻撃時の顔画像が 0.1 % の攻撃率で98.0 % を達成できることがわかった。
私たちの研究は、プライバシ保護とセキュリティポリシを満たすためのバイオメトリックデプロイメントに光を当てています。
関連論文リスト
- Attribute-preserving Face Dataset Anonymization via Latent Code
Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。
我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文 参考訳(メタデータ) (2023-03-20T17:34:05Z) - Enhancing Quality of Pose-varied Face Restoration with Local Weak
Feature Sensing and GAN Prior [29.17397958948725]
本稿では,前向きに顔の再生を行うブラインド・フェイス・リカバリ・ネットワークを提案する。
我々のモデルは、顔の復元や顔の超解像処理において、従来の技術よりも優れている。
論文 参考訳(メタデータ) (2022-05-28T09:23:48Z) - SelFSR: Self-Conditioned Face Super-Resolution in the Wild via Flow
Field Degradation Network [12.976199676093442]
野生における顔超解像のための新しいドメイン適応分解ネットワークを提案する。
我々のモデルは,CelebAと実世界の顔データセットの両方で最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2021-12-20T17:04:00Z) - Pro-UIGAN: Progressive Face Hallucination from Occluded Thumbnails [53.080403912727604]
Inpainting Generative Adversarial Network, Pro-UIGANを提案する。
顔の形状を利用して、隠された小さな顔の補充とアップサンプリング(8*)を行う。
Pro-UIGANは、HR面を視覚的に満足させ、下流タスクにおいて優れたパフォーマンスを達成する。
論文 参考訳(メタデータ) (2021-08-02T02:29:24Z) - Network Architecture Search for Face Enhancement [82.25775020564654]
我々は、NASFE(Network Architecture Search for Face Enhancement)と呼ばれるマルチタスクの顔復元ネットワークを提案する。
NASFEは、単一の劣化(すなわち)を含む低品質の顔画像を高めることができる。
ノイズまたはぼやけ)または複数の劣化(ノイズ+ブラル+ローライト)
論文 参考訳(メタデータ) (2021-05-13T19:46:05Z) - Inverting Generative Adversarial Renderer for Face Reconstruction [58.45125455811038]
本稿では,GAR(Generative Adversa Renderer)について紹介する。
GARは、グラフィックルールに頼るのではなく、複雑な現実世界のイメージをモデル化することを学ぶ。
本手法は,複数顔再構成における最先端性能を実現する。
論文 参考訳(メタデータ) (2021-05-06T04:16:06Z) - Riggable 3D Face Reconstruction via In-Network Optimization [58.016067611038046]
本稿では,単眼画像からの3次元顔再構成法を提案する。
表情、ポーズ、照明を含む画像ごとのパーソナライズされた顔リグとパラメータを共同で推定する。
実験により,SOTA復元精度,ロバスト性,一般化能力が得られた。
論文 参考訳(メタデータ) (2021-04-08T03:53:20Z) - High Resolution Face Editing with Masked GAN Latent Code Optimization [0.0]
顔の編集はコンピュータビジョンコミュニティで人気のある研究トピックである。
最近の提案手法は、条件付きエンコーダデコーダであるGAN(Generative Adversarial Network)をエンドツーエンドでトレーニングするか、事前に訓練されたバニラGANジェネレータモデルの潜時空間での動作を定義するかのいずれかである。
空間的および意味的制約を伴ったGAN組み込み最適化手順を提案する。
論文 参考訳(メタデータ) (2021-03-20T08:39:41Z) - Black-Box Face Recovery from Identity Features [61.950765357647605]
我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。
我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
論文 参考訳(メタデータ) (2020-07-27T15:25:38Z) - FaceShifter: Towards High Fidelity And Occlusion Aware Face Swapping [43.236261887752065]
本研究では,顔交換のための2段階フレームワークであるFaceShifterを提案する。
最初の段階では、ターゲット属性を徹底的かつ適応的に利用して、スワップされた顔を高忠実に生成する。
難解な顔合成に対処するために、HEAR-Net(Huristic Err Accnowledging Refinement Network)と呼ばれる新しいヒューリスティック・エラー認識ネットワーク(Heuristic Err Acknowledging Refinement Network)の第2ステージを付加する。
論文 参考訳(メタデータ) (2019-12-31T17:57:46Z)
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。