論文の概要: Landmark Enforcement and Style Manipulation for Generative Morphing

• arxiv url: http://arxiv.org/abs/2210.10182v1
• Date: Tue, 18 Oct 2022 22:10:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 14:39:32.817422
• Title: Landmark Enforcement and Style Manipulation for Generative Morphing
• Title（参考訳）: 造形のためのランドマークの強化とスタイル操作
• Authors: Samuel Price, Sobhan Soleymani, Nasser M. Nasrabadi
• Abstract要約: 本稿では,この問題を解決するためにランドマーク法を導入し,新しいスタイルGAN形態生成手法を提案する。 本モデルの潜伏空間の探索は主成分分析 (PCA) を用いて行われ, 両面が変形した潜伏表現に与える影響を強調した。 形態素の高周波再構成を改善するため,StyleGAN2モデルにおける雑音入力のトレインビリティについて検討した。
• 参考スコア（独自算出の注目度）: 24.428843425522107
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Morph images threaten Facial Recognition Systems (FRS) by presenting as multiple individuals, allowing an adversary to swap identities with another subject. Morph generation using generative adversarial networks (GANs) results in high-quality morphs unaffected by the spatial artifacts caused by landmark-based methods, but there is an apparent loss in identity with standard GAN-based morphing methods. In this paper, we propose a novel StyleGAN morph generation technique by introducing a landmark enforcement method to resolve this issue. Considering this method, we aim to enforce the landmarks of the morph image to represent the spatial average of the landmarks of the bona fide faces and subsequently the morph images to inherit the geometric identity of both bona fide faces. Exploration of the latent space of our model is conducted using Principal Component Analysis (PCA) to accentuate the effect of both the bona fide faces on the morphed latent representation and address the identity loss issue with latent domain averaging. Additionally, to improve high frequency reconstruction in the morphs, we study the train-ability of the noise input for the StyleGAN2 model.
• Abstract（参考訳）: morphイメージは、複数の個人として提示することで顔認識システム(frs)を脅かす。 gans(generative adversarial network)を用いた形態生成はランドマークに基づく方法によって生じる空間的アーティファクトに影響されない高品質な形態形成をもたらすが、標準のganベースの形態形成法との同一性が明らかに失われる。 本稿では,この問題を解決するためにランドマーク法を導入し,新しいスタイルGAN形態生成手法を提案する。 本手法を考慮し,形態像のランドマークをボナfide面のランドマークの空間平均を表すために実施し,その後,形態像を用いて両方のボナfide面の幾何学的アイデンティティを継承する。 本モデルにおける潜在空間の探索は主成分分析 (pca) を用いて行われ, ボナfideの両顔のモーフィックな潜在表現に対する効果を強調し, 潜在領域平均化によるアイデンティティ損失問題に対処する。 さらに,この形態の高周波再構成を改善するために,StyleGAN2モデルの雑音入力のトレインビリティについて検討した。

関連論文リスト

• Optimal-Landmark-Guided Image Blending for Face Morphing Attacks [8.024953195407502]
  本稿では,最適なランドマーク誘導画像ブレンディングを用いた顔形態形成攻撃を行うための新しい手法を提案する。 提案手法は, ランドマークの最適化とグラフ畳み込みネットワーク(GCN)によるランドマークと外観特徴の組み合わせにより, 従来のアプローチの限界を克服する。
  論文  参考訳（メタデータ） (2024-01-30T03:45:06Z)
• 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)
• Semantic-aware One-shot Face Re-enactment with Dense Correspondence Estimation [100.60938767993088]
  ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。 本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
  論文  参考訳（メタデータ） (2022-11-23T03:02:34Z)
• Adversarially Perturbed Wavelet-based Morphed Face Generation [16.98806338782858]
  モールフド画像は、顔認識システムを騙して、複数の人を誤って受け入れる。 画像合成が簡単になるにつれて、研究コミュニティの利用可能なデータを拡張することが不可欠である。 両方の手法を用いて、FERET, FRGC, FRLLデータセットから高品質な逆向き摂動を生成する。
  論文  参考訳（メタデータ） (2021-11-03T01:18:29Z)
• MIPGAN -- Generating Strong and High Quality Morphing Attacks Using Identity Prior Driven GAN [22.220940043294334]
  本稿では,アイデンティティ優先型生成適応ネットワークを用いた攻撃生成手法を提案する。 提案するMIPGANは、知覚的品質と識別因子を利用した新たに定式化された損失関数であるStyleGANから派生した。 提案手法は,商用およびディープラーニングベースの顔認識システムに対して,その脆弱性を評価することによって,強力なモーフィング攻撃を発生させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-03T15:08:38Z)
• Can GAN Generated Morphs Threaten Face Recognition Systems Equally as Landmark Based Morphs? -- Vulnerability and Detection [22.220940043294334]
  本稿では,新たなGAN(Generative Adversarial Network)-StyleGANを用いた顔形態生成フレームワークを提案する。 2500枚の顔画像が新たに作成された形態データセットでは、この研究に批判的な疑問が浮かび上がっている。
  論文  参考訳（メタデータ） (2020-07-07T16:52:56Z)
• Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
  本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。 提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-25T07:01:12Z)
• InterFaceGAN: Interpreting the Disentangled Face Representation Learned by GANs [73.27299786083424]
  我々は、最先端のGANモデルによって学習された不整合顔表現を解釈するInterFaceGANというフレームワークを提案する。 まず、GANは潜在空間の線型部分空間で様々な意味学を学ぶ。 次に、異なる意味論間の相関関係について詳細な研究を行い、部分空間射影を通してそれらをよりよく解離させる。
  論文  参考訳（メタデータ） (2020-05-18T18:01:22Z)
• 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)
• Fine-grained Image-to-Image Transformation towards Visual Recognition [102.51124181873101]
  我々は,入力画像の同一性を保った画像を生成するために,微細なカテゴリで画像を変換することを目的としている。 我々は、画像のアイデンティティと非関連要因をアンハングルするために、生成的敵ネットワークに基づくモデルを採用する。 CompCarsとMulti-PIEデータセットの実験では、我々のモデルが生成した画像のアイデンティティを、最先端の画像-画像変換モデルよりもはるかによく保存していることが示された。
  論文  参考訳（メタデータ） (2020-01-12T05:26:47Z)

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。