論文の概要: Efficient aggregation of face embeddings for decentralized face
recognition deployments (extended version)
- arxiv url: http://arxiv.org/abs/2212.10108v2
- Date: Mon, 17 Apr 2023 13:16:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 21:30:49.064595
- Title: Efficient aggregation of face embeddings for decentralized face
recognition deployments (extended version)
- Title(参考訳): 分散顔認識デプロイメントのための顔埋め込みの効率的な集約(拡張版)
- Authors: Philipp Hofer, Michael Roland, Philipp Schwarz, Ren\'e Mayrhofer
- Abstract要約: バイオメトリックスは、最もプライバシーに敏感なデータの一つだ。プライバシーを重視するユビキタス認証システムは、分散化されたアプローチを優先している。
本稿では,異なるデータセットの広範囲な解析に基づいて,顔認識に使用される埋め込みを効率的に集約する方法を提案する。
- 参考スコア(独自算出の注目度): 0.7349727826230862
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biometrics are one of the most privacy-sensitive data. Ubiquitous
authentication systems with a focus on privacy favor decentralized approaches
as they reduce potential attack vectors, both on a technical and organizational
level. The gold standard is to let the user be in control of where their own
data is stored, which consequently leads to a high variety of devices used.
Moreover, in comparison with a centralized system, designs with higher end-user
freedom often incur additional network overhead. Therefore, when using face
recognition for biometric authentication, an efficient way to compare faces is
important in practical deployments, because it reduces both network and
hardware requirements that are essential to encourage device diversity. This
paper proposes an efficient way to aggregate embeddings used for face
recognition based on an extensive analysis on different datasets and the use of
different aggregation strategies. As part of this analysis, a new dataset has
been collected, which is available for research purposes. Our proposed method
supports the construction of massively scalable, decentralized face recognition
systems with a focus on both privacy and long-term usability.
- Abstract(参考訳): バイオメトリックスは最もプライバシーに敏感なデータの一つだ。
プライバシーを重視したユビキタス認証システムは、技術レベルと組織レベルの両方で潜在的な攻撃ベクトルを減らすため、分散化されたアプローチを好む。
金の標準は、ユーザが自分のデータをどこに保存するかをコントロールできるようにすることであり、その結果、多種多様なデバイスが使用される。
さらに、集中型システムと比較すると、エンドユーザの自由度が高い設計では、ネットワークオーバーヘッドが増大することが多い。
したがって、生体認証に顔認識を使用する場合、デバイス多様性を促進するために必要なネットワーク要件とハードウェア要件の両方を削減できるため、実際のデプロイメントでは顔を比較する効率的な方法が重要である。
本稿では,異なるデータセットと異なるアグリゲーション戦略の広範な分析に基づいて,顔認識に使用される組込みを効率的に集約する方法を提案する。
この分析の一部として、研究目的で利用可能な新しいデータセットが収集された。
提案手法は,プライバシと長期的なユーザビリティを重視した,大規模にスケーラブルな分散顔認識システムの構築を支援する。
関連論文リスト
- Federated Learning Method for Preserving Privacy in Face Recognition
System [0.0]
我々は,教師付き・教師なしの顔認識システムにおいて,セキュアなアグリゲータと非セキュアなアグリゲータを併用したフェデレート学習の適用について検討する。
提案システムでは,各エッジデバイスは独立して,セキュアなアグリゲータあるいは中央サーバに直接送信される独自のモデルを訓練する。
論文 参考訳(メタデータ) (2024-03-08T14:21:43Z) - Embedding Non-Distortive Cancelable Face Template Generation [22.80706131626207]
我々は、目では認識できないが、任意のカスタム埋め込みニューラルネットワークモデルで識別可能な顔画像を実現する革新的な画像歪み技術を導入する。
生体認証ネットワークの信頼性を,予測された同一性を変化させない最大画像歪みを判定することによって検証する。
論文 参考訳(メタデータ) (2024-02-04T15:39:18Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳(メタデータ) (2023-03-24T05:28:35Z) - Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。
本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。
提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
論文 参考訳(メタデータ) (2023-03-23T13:50:46Z) - FedForgery: Generalized Face Forgery Detection with Residual Federated
Learning [87.746829550726]
既存の顔偽造検出方法は、取得した共有データや集中データを直接利用して訓練を行う。
顔偽造検出のための一般化された残留フェデレーション学習(FedForgery)を提案する。
顔偽造検出データセットを公開して行った実験は、提案したFedForgeryの優れた性能を証明している。
論文 参考訳(メタデータ) (2022-10-18T03:32:18Z) - Federated Learning for Face Recognition with Gradient Correction [52.896286647898386]
本稿では,顔認識のためのフェデレーション学習に取り組むためのフレームワークであるFedGCを紹介する。
我々は,FedGCが標準ソフトマックスと同様の損失関数を構成することを示す。
論文 参考訳(メタデータ) (2021-12-14T09:19:29Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳(メタデータ) (2021-09-21T16:18:45Z) - Deep Hashing for Secure Multimodal Biometrics [1.7188280334580195]
本稿では,各ユーザの顔と虹彩バイオメトリックスからセキュアなマルチモーダルテンプレートを生成する特徴レベル融合のためのフレームワークを提案する。
キャンセル可能なバイオメトリックと安全なスケッチ技術を組み合わせることで、ハイブリッドなセキュアアーキテクチャを採用しています。
提案手法は,生体データのプライバシ向上とともに,テンプレートのキャンセル性とアンリンク性も提供する。
論文 参考訳(メタデータ) (2020-12-29T14:15:05Z) - 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) - Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal
Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
個人再識別のための教師なし領域適応手法を提案する。
実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
論文 参考訳(メタデータ) (2020-01-14T17:43:52Z)
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。