論文の概要: Diversity and Novelty MasterPrints: Generating Multiple DeepMasterPrints for Increased User Coverage

• arxiv url: http://arxiv.org/abs/2209.04909v1
• Date: Sun, 11 Sep 2022 17:38:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-13 13:20:46.833246
• Title: Diversity and Novelty MasterPrints: Generating Multiple DeepMasterPrints for Increased User Coverage
• Title（参考訳）: 多様性とノベルティマスタ: ユーザカバレッジ向上のための複数のDeepMasterPrintの生成
• Authors: M Charity, Nasir Memon, Zehua Jiang, Abhi Sen, Julian Togelius
• Abstract要約: この研究は、DeepMasterPrintsによる遺伝指紋スプーフィングのこれまでの進歩を拡大する。 Diversity MasterPrintsは、以前に見つかったプリントでカバーされていないユーザとマッチするソリューションプリントを生成することに焦点を当てている。 Novelty MasterPrintsは、以前のプリントよりもユーザスペースの広いプリントを明示的に検索する。
• 参考スコア（独自算出の注目度）: 3.620115940532283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work expands on previous advancements in genetic fingerprint spoofing via the DeepMasterPrints and introduces Diversity and Novelty MasterPrints. This system uses quality diversity evolutionary algorithms to generate dictionaries of artificial prints with a focus on increasing coverage of users from the dataset. The Diversity MasterPrints focus on generating solution prints that match with users not covered by previously found prints, and the Novelty MasterPrints explicitly search for prints with more that are farther in user space than previous prints. Our multi-print search methodologies outperform the singular DeepMasterPrints in both coverage and generalization while maintaining quality of the fingerprint image output.
• Abstract（参考訳）: この研究は、DeepMasterPrintsによる遺伝指紋スプーフィングのこれまでの進歩を拡張し、Diversity and Novelty MasterPrintsを紹介している。 本システムは、品質多様性進化アルゴリズムを用いて、データセットからユーザの範囲を増やすことに焦点を当て、人工印刷の辞書を生成する。 Diversity MasterPrintsは、以前に見つかったプリントでカバーされていないユーザと一致するソリューションプリントを生成することに重点を置いており、Novety MasterPrintsは、以前のプリントよりもユーザスペースの広いプリントを明示的に検索する。 本手法は,指紋画像の画質を維持しつつ,カバレッジと一般化の両方において特異なDeepMasterPrintよりも優れている。

関連論文リスト

• GRIF-DM: Generation of Rich Impression Fonts using Diffusion Models [18.15911470339845]
  我々は、特定の印象を鮮明に具現化するフォントを生成するための拡散法である「usmethod」を導入する。 MyFontsデータセットを用いて,本手法が現実的で活気があり,高忠実なフォントを生成可能であることを確認した。
  論文  参考訳（メタデータ） (2024-08-14T02:26:46Z)
• Universal Fingerprint Generation: Controllable Diffusion Model with Multimodal Conditions [25.738682467090335]
  GenPrintは、アイデンティティを維持しながら、さまざまなタイプの指紋画像を生成するためのフレームワークである。 GenPrintはトレーニングデータセットのみからスタイル特性を複製することに限定されていない。 結果は、生成した画像のアイデンティティ保存、説明可能な制御、普遍性の観点から、GenPrintの利点を実証する。
  論文  参考訳（メタデータ） (2024-04-21T23:01:08Z)
• PrintListener: Uncovering the Vulnerability of Fingerprint Authentication via the Finger Friction Sound [23.149939556959772]
  我々は、ミツバチを用いた自動指紋識別システム(AFIS)に対する新たなサイドチャネル攻撃を提案する。 PrintListenerの攻撃シナリオは広範で隠蔽されている。ユーザの指先摩擦音を記録するだけで、多数のソーシャルメディアプラットフォームを活用することで起動できる。
  論文  参考訳（メタデータ） (2024-04-14T10:55:15Z)
• LCM-Lookahead for Encoder-based Text-to-Image Personalization [82.56471486184252]
  我々は,テキスト・ツー・イメージ・モデルのパーソナライズを導くために,ショートカット・メカニズムを利用する可能性を探る。 エンコーダをベースとしたパーソナライズ手法に焦点をあてて、ルックアヘッドのアイデンティティ損失を調整することで、より高いアイデンティティの忠実性を達成できることを実証する。
  論文  参考訳（メタデータ） (2024-04-04T17:43:06Z)
• PhotoMaker: Customizing Realistic Human Photos via Stacked ID Embedding [102.07914175196817]
  PhotoMakerは、効率的なパーソナライズされたテキスト・ツー・イメージ生成方法である。 任意の数の入力ID画像をスタックID埋め込みに符号化し、ID情報を保存する。
  論文  参考訳（メタデータ） (2023-12-07T17:32:29Z)
• RFDforFin: Robust Deep Forgery Detection for GAN-generated Fingerprint Images [45.73061833269094]
  本稿では,GAN生成画像の独自の隆起特性と生成アーティファクトを組み合わせた指紋画像に対する最初の深部偽造検出手法を提案する。 提案手法は,低複雑性で有効かつ堅牢である。
  論文  参考訳（メタデータ） (2023-08-18T04:05:18Z)
• Contrastive Attention Networks for Attribution of Early Modern Print [23.344655278038392]
  本研究では,1500年～1800年(1500年～1800年)の英語印刷において,未知のプリンタを識別する機械学習技術を開発した。 具体的には、匿名で印刷された書籍において、一意に破損した文字タイプインプリントと、既知のプリンタと連携することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-06-12T19:57:11Z)
• Sampling and Ranking for Digital Ink Generation on a tight computational budget [69.15275423815461]
  トレーニングされたデジタルインク生成モデルの出力品質を最大化する方法について検討する。 我々は、デジタルインク領域におけるその種類に関する最初のアブレーション研究において、複数のサンプリングとランキング手法の効果を使用、比較する。
  論文  参考訳（メタデータ） (2023-06-02T09:55:15Z)
• General GAN-generated image detection by data augmentation in fingerprint domain [3.456122013525227]
  まず,自動エンコーダを用いたGAN指紋抽出装置を用いて,GAN生成画像の指紋と内容を分離する。 元の指紋は乱れた指紋で代用され、元のコンテンツに追加され、視覚的に不変だが異なる指紋を持つ画像を生成する。 我々の知る限り、私たちはフィンガードメインでデータ拡張を行う最初の人物です。
  論文  参考訳（メタデータ） (2022-12-27T12:37:11Z)
• A review of schemes for fingerprint image quality computation [66.32254395574994]
  本稿では,指紋画像品質計算における既存手法について概説する。 また、9000個の指紋画像を含むMCYTデータベースを用いて、それらの選択を実装し、テストし、比較する。
  論文  参考訳（メタデータ） (2022-07-12T10:34:03Z)
• Responsible Disclosure of Generative Models Using Scalable Fingerprinting [70.81987741132451]
  深層生成モデルは質的に新しいパフォーマンスレベルを達成した。 この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。 最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
  論文  参考訳（メタデータ） (2020-12-16T03:51:54Z)

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。