論文の概要: MorphGANFormer: Transformer-based Face Morphing and De-Morphing
- arxiv url: http://arxiv.org/abs/2302.09404v1
- Date: Sat, 18 Feb 2023 19:09:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 18:46:08.816967
- Title: MorphGANFormer: Transformer-based Face Morphing and De-Morphing
- Title（参考訳）: MorphGANFormer: トランスフォーマーベースの顔モーフィングとデモーフィング
- Authors: Na Zhang, Xudong Liu, Xin Li, Guo-Jun Qi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 55.211984079735196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantic face image manipulation has received increasing attention in recent
years. StyleGAN-based approaches to face morphing are among the leading
techniques; however, they often suffer from noticeable blurring and artifacts
as a result of the uniform attention in the latent feature space. In this
paper, we propose to develop a transformer-based alternative to face morphing
and demonstrate its superiority to StyleGAN-based methods. Our contributions
are threefold. First, inspired by GANformer, we introduce a bipartite structure
to exploit long-range interactions in face images for iterative propagation of
information from latent variables to salient facial features. Special loss
functions are designed to support the optimization of face morphing. Second, we
extend the study of transformer-based face morphing to demorphing by presenting
an effective defense strategy with access to a reference image using the same
generator of MorphGANFormer. Such demorphing is conceptually similar to
unmixing of hyperspectral images but operates in the latent (instead of pixel)
space. Third, for the first time, we address a fundamental issue of
vulnerability-detectability trade-off for face morphing studies. It is argued
that neither doppelganger norrandom pair selection is optimal, and a Lagrangian
multiplier-based approach should be used to achieve an improved trade-off
between recognition vulnerability and attack detectability.
- Abstract（参考訳）: 近年,意味的な顔画像操作が注目されている。
スタイルGANをベースとした顔モフティングのアプローチは主要な手法であるが、潜在特徴空間における均一な注意の結果、目立ったぼやけやアーティファクトに悩まされることが多い。
本稿では,顔形態の代替となる変換器の開発を提案し,StyleGAN法よりも優れていることを示す。
私たちの貢献は3倍です。
まず,GANformerにインスパイアされた2部構造を導入し,顔画像の長距離相互作用を利用して潜伏変数から有意な顔特徴への情報伝達を行う。
特殊損失関数は顔変形の最適化をサポートするように設計されている。
第2に,同一のmorphganformer生成器を用いた参照画像へのアクセスによる効果的な防御戦略を提示することにより,トランスフォーマティブ・フェイスモーフィングの研究をデモルフィングへと拡張する。
このような変形は概念的にはハイパースペクトル像の未混合と似ているが、(ピクセルの代わりに)潜在空間で動作する。
第3に,顔形態研究における脆弱性検出性トレードオフの根本的な問題に初めて対処した。
ドッペルガンガーのノルランダム対選択は最適ではなく、認識脆弱性と攻撃検出性の間のトレードオフを改善するためにラグランジアン乗算器ベースのアプローチを用いるべきである。
関連論文リスト
- dc-GAN: Dual-Conditioned GAN for Face Demorphing From a Single Morph [10.902536447343465]
そこで本研究では, モーフィック画像に条件付き新規なGANデモルフィック法であるdc-GANを提案する。
提案手法は, 形態の再現性を克服し, ボナフィド画像の高品質な再構成を行う。
論文 参考訳（メタデータ） (2024-11-20T19:24:30Z) - LADIMO: Face Morph Generation through Biometric Template Inversion with Latent Diffusion [5.602947425285195]
顔改ざん攻撃は、顔認識システムに深刻なセキュリティ脅威をもたらす。
本稿では,2つの顔認識の埋め込みにおいて,表現レベルの顔形態形成手法であるLADIMOを提案する。
顔形態変種は個々の攻撃成功率を持ち、形態的攻撃ポテンシャルを最大化できることを示す。
論文 参考訳（メタデータ） (2024-10-10T14:41:37Z) - 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) - Effective Adapter for Face Recognition in the Wild [72.75516495170199]
私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。
従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。
高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
論文 参考訳（メタデータ） (2023-12-04T08:55:46Z) - Face Transformer: Towards High Fidelity and Accurate Face Swapping [54.737909435708936]
Face swappingは、ソース顔の同一性とターゲット顔の属性を融合させるスワップ画像を生成することを目的としている。
本稿では,顔の同一性と対象属性を同時に正確に保存できる新しい顔交換ネットワークであるFace Transformerを提案する。
論文 参考訳（メタデータ） (2023-04-05T15:51:44Z) - Landmark Enforcement and Style Manipulation for Generative Morphing [24.428843425522107]
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。
論文 参考訳（メタデータ） (2022-10-18T22:10:25Z) - UnGANable: Defending Against GAN-based Face Manipulation [69.90981797810348]
ディープフェイクは、私たちの社会に視覚的誤報の深刻な脅威をもたらす。
1つの代表的なディープフェイク応用は、画像中の被害者の顔属性を変更する顔操作である。
本稿では,GANable による顔操作に対する最初の防御システムである UnGANable を提案する。
論文 参考訳（メタデータ） (2022-10-03T14:20:01Z) - FaceTuneGAN: Face Autoencoder for Convolutional Expression Transfer
Using Neural Generative Adversarial Networks [0.7043489166804575]
顔の識別と表情を分離して符号化する新しい3次元顔モデル表現であるFaceTuneGANを提案する。
本稿では,2次元領域で使用されている画像と画像の変換ネットワークを3次元顔形状に適応させる手法を提案する。
論文 参考訳（メタデータ） (2021-12-01T14:42:03Z) - Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。
DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
論文 参考訳（メタデータ） (2021-07-17T20:41:41Z) - 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。