論文の概要: Multispectral Imaging for Differential Face Morphing Attack Detection: A Preliminary Study

• arxiv url: http://arxiv.org/abs/2304.03510v1
• Date: Fri, 7 Apr 2023 07:03:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 12:43:00.321370
• Title: Multispectral Imaging for Differential Face Morphing Attack Detection: A Preliminary Study
• Title（参考訳）: ディファレンシャルフェイスモーフィングアタック検出のためのマルチスペクトルイメージング--予備的検討
• Authors: Raghavendra Ramachandra, Sushma Venkatesh, Naser Damer, Narayan Vetrekar, Rajendra Gad
• Abstract要約: 本稿では,D-MAD(D-MAD)のためのマルチスペクトルフレームワークを提案する。 提案したマルチスペクトルD-MADフレームワークは、7つの異なるスペクトル帯域をキャプチャしてモーフィング攻撃を検出するために、信頼できるキャプチャとしてキャプチャされたマルチスペクトル画像を導入する。
• 参考スコア（独自算出の注目度）: 7.6935393709662625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face morphing attack detection is emerging as an increasingly challenging problem owing to advancements in high-quality and realistic morphing attack generation. Reliable detection of morphing attacks is essential because these attacks are targeted for border control applications. This paper presents a multispectral framework for differential morphing-attack detection (D-MAD). The D-MAD methods are based on using two facial images that are captured from the ePassport (also called the reference image) and the trusted device (for example, Automatic Border Control (ABC) gates) to detect whether the face image presented in ePassport is morphed. The proposed multispectral D-MAD framework introduce a multispectral image captured as a trusted capture to capture seven different spectral bands to detect morphing attacks. Extensive experiments were conducted on the newly created datasets with 143 unique data subjects that were captured using both visible and multispectral cameras in multiple sessions. The results indicate the superior performance of the proposed multispectral framework compared to visible images.
• Abstract（参考訳）: 顔のモーフィング攻撃検出は、高品質で現実的なモーフィング攻撃生成の進歩により、ますます困難な問題になりつつある。 これらの攻撃は境界制御アプリケーションをターゲットにしているため、モーフィング攻撃の信頼性の高い検出が不可欠である。 本稿では,D-MADのためのマルチスペクトルフレームワークを提案する。 D-MAD法は、ePassport(参照画像とも呼ばれる)と信頼されたデバイス(例えば、自動境界制御(ABC)ゲート)から取得した2つの顔画像を用いて、ePassportで提示された顔画像が変形しているかどうかを検出する。 提案されたマルチスペクトルd-madフレームワークは、信頼できるキャプチャとしてキャプチャされたマルチスペクトルイメージを導入し、7つの異なるスペクトルバンドをキャプチャしてモーフィング攻撃を検出する。 複数のセッションで可視カメラとマルチスペクトルカメラの両方を使って撮影された143のユニークなデータセットについて、広範囲な実験が行われた。 その結果,提案手法は可視画像と比較して優れた性能を示した。

関連論文リスト

• Dealing with Subject Similarity in Differential Morphing Attack Detection [4.3659108218579545]
  我々は,信頼されたライブキャプチャー(通常犯罪者を表す)を文書画像と比較し,それを形態的またはボナフィドとして分類する微分MAD(D-MAD)に焦点を当てた。 形態素画像とライブ画像が十分に多様である場合に、識別特徴に基づくこれらのアプローチが有効であることを示す。 ACIdA, モジュール型分類のためのモジュールと, 入力画像の識別とアーティファクト解析のための2つのモジュールからなるモジュール型D-MADシステムを提案する。
  論文  参考訳（メタデータ） (2024-04-11T12:00:06Z)
• SHIELD : An Evaluation Benchmark for Face Spoofing and Forgery Detection with Multimodal Large Language Models [63.946809247201905]
  フェーススプーフィングと偽造検出におけるMLLMの能力を評価するための新しいベンチマーク、ShielDを導入する。 我々は、これらの2つの顔セキュリティタスクにおいて、マルチモーダル顔データを評価するために、真/偽/複数選択の質問を設計する。 その結果,MLLMは顔セキュリティ領域において大きな可能性を秘めていることがわかった。
  論文  参考訳（メタデータ） (2024-02-06T17:31:36Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• Mask and Restore: Blind Backdoor Defense at Test Time with Masked Autoencoder [57.739693628523]
  Masked AutoEncoder (BDMAE) を用いたブラインドバックドア防御のためのフレームワークを提案する。 BDMAEは、画像構造的類似性とテスト画像とMAE復元の間のラベル整合性を用いて、トークン空間で可能なトリガを検出する。 私たちのアプローチは、モデル復元、パターンのトリガー、画像の良心に盲目です。
  論文  参考訳（メタデータ） (2023-03-27T19:23:33Z)
• MorDIFF: Recognition Vulnerability and Attack Detectability of Face Morphing Attacks Created by Diffusion Autoencoders [10.663919597506055]
  顔のモーフィング攻撃は画像レベルでも表現レベルでも生成される。 拡散オートエンコーダモデルの最近の進歩は、GANの限界を克服し、高い再構成忠実度を実現している。 本研究では,拡散オートエンコーダを用いて顔形態形成攻撃を画像レベルおよび表現レベルの幅広い形態と比較する。
  論文  参考訳（メタデータ） (2023-02-03T16:37:38Z)
• Reliable Face Morphing Attack Detection in On-The-Fly Border Control Scenario with Variation in Image Resolution and Capture Distance [3.6833521970861685]
  顔形態形成攻撃は、自動FRSと人間の観察者を欺く上で非常に有益である。 本稿では,深部特徴の球面距離と階層融合に基づく新しい微分MAD(D-MAD)アルゴリズムを提案する。 公開されたSCFaceデータセットに基づいて、新たに生成された顔モーフィングデータセット(SCFace-Morph)で実験を行う。
  論文  参考訳（メタデータ） (2022-09-30T13:58:43Z)
• Exploring Frequency Adversarial Attacks for Face Forgery Detection [59.10415109589605]
  フェースフォージェリ検出器に対する周波数対向攻撃法を提案する。 また,メタラーニングの概念に触発されて,空間領域と周波数領域の両方で攻撃を行うハイブリッド逆攻撃を提案する。
  論文  参考訳（メタデータ） (2022-03-29T15:34:13Z)
• PW-MAD: Pixel-wise Supervision for Generalized Face Morphing Attack Detection [6.24950085812444]
  顔変形攻撃画像は複数のアイデンティティに検証できるため、境界チェックのようなアイデンティティ検証に基づくプロセスに対する大きな脆弱性となる。 しかし、顔の変形を検知する様々な方法が提案されているが、予期せぬ後変態過程への一般化性は低い。 主要なポストモーフィングプロセスは、パスポートやID文書を発行する際、多くの国で実施される印刷およびスキャン操作である。
  論文  参考訳（メタデータ） (2021-08-23T17:04:51Z)
• M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
  Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。 本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。 最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
  論文  参考訳（メタデータ） (2021-04-20T05:43:44Z)
• Deep Models and Shortwave Infrared Information to Detect Face Presentation Attacks [6.684752451476642]
  畳み込みニューラルネットワークに基づく最近のモデルを用いて顔提示攻撃検出を行う。 実験は、様々な種類の攻撃を含む、新しいパブリックで無償のデータベースで実施されている。
  論文  参考訳（メタデータ） (2020-07-22T14:41:14Z)

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。