論文の概要: Synthetic ID Card Image Generation for Improving Presentation Attack Detection

• arxiv url: http://arxiv.org/abs/2211.00098v1
• Date: Mon, 31 Oct 2022 19:07:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 14:37:22.251608
• Title: Synthetic ID Card Image Generation for Improving Presentation Attack Detection
• Title（参考訳）: プレゼンテーションアタック検出を改善する合成idカード画像生成
• Authors: Daniel Benalcazar, Juan E. Tapia, Sebastian Gonzalez, and Christoph Busch
• Abstract要約: 本研究は,不正検出ネットワークを訓練しながら,データ量を増やすために,IDカード画像を合成的に生成する3つの手法について検討する。 以上の結果から, PAIS (Print/Scan Presentation Attack Instrument Species) の性能低下や, PAIS (Sing/Scan Presentation Instrument Species) の性能低下を伴わずに, 合成画像でデータベースを補足できることが示唆された。
• 参考スコア（独自算出の注目度）: 12.232059909207578
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Currently, it is ever more common to access online services for activities which formerly required physical attendance. From banking operations to visa applications, a significant number of processes have been digitised, especially since the advent of the COVID-19 pandemic, requiring remote biometric authentication of the user. On the downside, some subjects intend to interfere with the normal operation of remote systems for personal profit by using fake identity documents, such as passports and ID cards. Deep learning solutions to detect such frauds have been presented in the literature. However, due to privacy concerns and the sensitive nature of personal identity documents, developing a dataset with the necessary number of examples for training deep neural networks is challenging. This work explores three methods for synthetically generating ID card images to increase the amount of data while training fraud-detection networks. These methods include computer vision algorithms and Generative Adversarial Networks. Our results indicate that databases can be supplemented with synthetic images without any loss in performance for the print/scan Presentation Attack Instrument Species (PAIS) and a loss in performance of 1% for the screen capture PAIS.
• Abstract（参考訳）: 現在、以前は物理的に出席が必要だった活動のためにオンラインサービスにアクセスするのがより一般的である。 銀行業務からビザアプリケーションに至るまで、特に新型コロナウイルス(COVID-19)のパンデミックの出現以降、ユーザのリモートバイオメトリック認証を必要とする、かなりの数のプロセスがデジタル化されている。 マイナス面として、パスポートやIDカードなどの偽のID文書を使用することで、個人利益のために遠隔システムの正常な運用を妨害する目的もある。 このような不正を検出するためのディープラーニングソリューションが文献に提示されている。 しかしながら、プライバシの懸念と個人情報文書の機密性から、ディープニューラルネットワークのトレーニングに必要なサンプル数を備えたデータセットの開発は困難である。 本研究は,不正検出ネットワークのトレーニング中に,IDカード画像を合成してデータ量を増やす3つの手法を提案する。 これらの手法にはコンピュータビジョンアルゴリズムとジェネレーティブ・アドバイサル・ネットワークが含まれる。 以上の結果から, PAIS (Print/Scan Presentation Attack Instrument Species) の性能低下や, PAIS (Screen capture PAIS) の性能低下を伴わずに, 合成画像でデータベースを補足できることが示唆された。

関連論文リスト

• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。 この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。 我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Generating Automatically Print/Scan Textures for Morphing Attack Detection Applications [7.287930923353593]
  主なシナリオの1つは、モルヒネ画像を印刷し、パスポートアプリケーションプロセスで各プリントを送信することである。 プライバシー上の懸念から、MADアルゴリズムをトレーニングするための小さなデータセットが利用可能だ。 本稿では,デジタル印刷/スキャン顔画像の自動生成のための転送転送に基づく2つの異なる手法を提案する。
  論文  参考訳（メタデータ） (2024-08-18T17:53:26Z)
• IDNet: A Novel Dataset for Identity Document Analysis and Fraud Detection [25.980165854663145]
  IDNetは、プライバシー保護詐欺検出の取り組みを促進するために設計されたベンチマークデータセットである。 合成されたID文書の837,060枚の画像からなり、合計で約490ギガバイトである。 本研究は,プライバシ保護不正検出手法の訓練にどのように役立つかを示すとともに,データセットの有用性と利用事例を評価した。
  論文  参考訳（メタデータ） (2024-08-03T07:05:40Z)
• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• Open-Set: ID Card Presentation Attack Detection using Neural Transfer Style [2.946386240942919]
  本研究は,4つのGANを用いた画像翻訳モデルを用いて,サンプルの生成を改善するために,IDカード提示攻撃装置(PAI)について検討する。 印刷攻撃では0.63%,スクリーンキャプチャ攻撃では0.29%,EER性能は0.29%向上した。
  論文  参考訳（メタデータ） (2023-12-21T16:28:08Z)
• Individualized Deepfake Detection Exploiting Traces Due to Double Neural-Network Operations [32.33331065408444]
  既存のディープフェイク検出器は、画像が特定かつ識別可能な個人と関連付けられている場合、この検出タスクに最適化されない。 本研究では,個々の人物の顔画像のディープフェイク検出に焦点を当てた。 ニューラルネットワークのイデオロシティ特性を利用して検出性能を向上できることを実証する。
  論文  参考訳（メタデータ） (2023-12-13T10:21:00Z)
• An Efficient Ensemble Explainable AI (XAI) Approach for Morphed Face Detection [1.2599533416395763]
  深層学習予測モデル(EfficientNet-Grad1)のより包括的な視覚的説明を提供するために,Ensemble XAIという新しい視覚的説明手法を提案する。 実験は、Face Research Lab London Set、Wide Multi-Channel Presentation Attack (WMCA)、Makeup induced Face Spoofing (MIFS)の3つの公開データセットで実施された。
  論文  参考訳（メタデータ） (2023-04-23T13:43:06Z)
• Face Presentation Attack Detection [59.05779913403134]
  顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。 しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
  論文  参考訳（メタデータ） (2022-12-07T14:51:17Z)
• Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
  スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。 ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。 一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
  論文  参考訳（メタデータ） (2021-03-31T01:48:29Z)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。