論文の概要: OrthoMAD: Morphing Attack Detection Through Orthogonal Identity Disentanglement

• arxiv url: http://arxiv.org/abs/2208.07841v1
• Date: Tue, 16 Aug 2022 16:55:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-17 12:44:20.465360
• Title: OrthoMAD: Morphing Attack Detection Through Orthogonal Identity Disentanglement
• Title（参考訳）: OrthoMAD:orthogonal Identity Disentanglementによるモーフィング検出
• Authors: Pedro C. Neto, Tiago Gon\c{c}alves, Marco Huber, Naser Damer, Ana F. Sequeira, Jaime S. Cardoso
• Abstract要約: 本稿では,両者の実在するアイデンティティ情報を考慮し,2つの潜在ベクトルの生成を促進する新しい正規化項を提案する。 提案手法をFRLLデータセットの5種類の形態変化で評価し、5つの異なるデータセットでトレーニングした際のモデルの性能を評価する。
• 参考スコア（独自算出の注目度）: 6.433739188170069
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Morphing attacks are one of the many threats that are constantly affecting deep face recognition systems. It consists of selecting two faces from different individuals and fusing them into a final image that contains the identity information of both. In this work, we propose a novel regularisation term that takes into account the existent identity information in both and promotes the creation of two orthogonal latent vectors. We evaluate our proposed method (OrthoMAD) in five different types of morphing in the FRLL dataset and evaluate the performance of our model when trained on five distinct datasets. With a small ResNet-18 as the backbone, we achieve state-of-the-art results in the majority of the experiments, and competitive results in the others. The code of this paper will be publicly available.
• Abstract（参考訳）: モーフィング攻撃は、深層顔認識システムに影響を与える多くの脅威の1つだ。 異なる個人から2つの顔を選択し、両方のアイデンティティ情報を含む最終的なイメージに融合する。 本研究では, 両者の同一性情報を考慮した新しい正規化用語を提案し, 2つの直交潜在ベクトルの生成を促進する。 提案手法(OrthoMAD)をFRLLデータセットの5種類のモーフィングで評価し、5つの異なるデータセットでトレーニングした際のモデルの性能を評価する。 バックボーンとして小さなResNet-18を使用すると、実験の大部分で最先端の結果が得られ、他の実験では競争結果が得られます。 この論文のコードは公開される予定だ。

関連論文リスト

• Facial Demorphing via Identity Preserving Image Decomposition [10.902536447343465]
  モルヒネ攻撃検出技術は ボナファイドの情報を抽出しない 参照不要でボナファイドを高精度に回収する手法を提案する。 本手法は, 高品質なボナファイドを定義・忠実度で再構成する。
  論文  参考訳（メタデータ） (2024-08-20T16:42:11Z)
• Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
  本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。 提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
  論文  参考訳（メタデータ） (2024-06-10T06:26:03Z)
• Unified Physical-Digital Face Attack Detection [66.14645299430157]
  顔認識(FR)システムは物理的(印刷写真)とデジタル(ディープフェイク)攻撃に悩まされることがある。 以前の関連する作業では、両方の状況が同時に考慮されることはめったにありません。 視覚言語モデル(VLM)に基づく一元攻撃検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-31T09:38:44Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Face Morphing Attack Detection with Denoising Diffusion Probabilistic Models [0.0]
  モールフされた顔画像は、様々な悪意のある目的のために誰かの身元を偽装するために使用することができる。 既存のMAD技術は、ボナフィドやモルフィド画像の例から学ぶ識別モデルに依存している。 本研究では,ボナファイド画像の特徴からのみ学習できる新しい拡散型MAD法を提案する。
  論文  参考訳（メタデータ） (2023-06-27T18:19:45Z)
• 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)
• Leveraging Diffusion For Strong and High Quality Face Morphing Attacks [2.0795007613453445]
  顔形態攻撃は、2つの異なるアイデンティティから生体特性からなる形態像を提示することにより、顔認識(FR)システムを騙そうとする。 画像の視覚的忠実度を改善するために拡散型アーキテクチャを用いた新しいモーフィング攻撃を提案する。
  論文  参考訳（メタデータ） (2023-01-10T21:50:26Z)
• Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
  既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。 2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。 この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
  論文  参考訳（メタデータ） (2022-07-19T03:31:13Z)
• Are GAN-based Morphs Threatening Face Recognition? [3.0921354926071274]
  本稿では,4種類のモーフィング攻撃のためのデータセットと対応するコードを提供することにより,このギャップを埋める。 また、4つの最先端の顔認識システムの脆弱性を評価するための広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-05-05T08:19:47Z)
• Differential Morphed Face Detection Using Deep Siamese Networks [23.632874831725665]
  本稿では,ディープ・シームズ・ネットワークを用いた新しいディファレンシャル・モーフィック・アタック検出フレームワークを提案する。 我々の知る限りでは、これはシームズネットワークアーキテクチャをモルヒネ攻撃検出に利用した最初の研究である。
  論文  参考訳（メタデータ） (2020-12-02T21:30:11Z)
• DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
  我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。 大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。 同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
  論文  参考訳（メタデータ） (2020-09-20T09:48:24Z)

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。