論文の概要: Unveiling the Two-Faced Truth: Disentangling Morphed Identities for Face Morphing Detection

• arxiv url: http://arxiv.org/abs/2306.03002v1
• Date: Mon, 5 Jun 2023 16:11:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 14:03:51.221157
• Title: Unveiling the Two-Faced Truth: Disentangling Morphed Identities for Face Morphing Detection
• Title（参考訳）: 両面真理の解き方:顔形態検出のための遠近法型不確かさ
• Authors: Eduarda Caldeira, Pedro C. Neto, Tiago Gon\c{c}alves, Naser Damer, Ana F. Sequeira, Jaime S. Cardoso
• Abstract要約: モルフィング攻撃は生体認証システム、特に顔認識システムを脅かす。 ディープラーニングモデルの解釈可能性の欠如には、常に懸念がある。 我々は,最先端性能を持つ解法であるIDistillを開発した。
• 参考スコア（独自算出の注目度）: 6.433739188170069
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Morphing attacks keep threatening biometric systems, especially face recognition systems. Over time they have become simpler to perform and more realistic, as such, the usage of deep learning systems to detect these attacks has grown. At the same time, there is a constant concern regarding the lack of interpretability of deep learning models. Balancing performance and interpretability has been a difficult task for scientists. However, by leveraging domain information and proving some constraints, we have been able to develop IDistill, an interpretable method with state-of-the-art performance that provides information on both the identity separation on morph samples and their contribution to the final prediction. The domain information is learnt by an autoencoder and distilled to a classifier system in order to teach it to separate identity information. When compared to other methods in the literature it outperforms them in three out of five databases and is competitive in the remaining.
• Abstract（参考訳）: モルフィング攻撃は生体認証システム、特に顔認識システムを脅かす。 時間が経つにつれて、より実行しやすくなり、より現実的になったため、これらの攻撃を検出するためのディープラーニングシステムの使用が増えている。 同時に、ディープラーニングモデルの解釈可能性の欠如については常に懸念されている。 性能と解釈性のバランスは科学者にとって難しい課題だった。 しかし、ドメイン情報を利用していくつかの制約を証明することで、モーフサンプルのアイデンティティ分離と最終的な予測への貢献の両方に関する情報を提供する、最先端のパフォーマンスを持つ解釈可能なメソッドであるidistillの開発に成功しました。 ドメイン情報は、オートエンコーダによって学習され、識別情報を分離するために分類器システムに蒸留される。 文献の他の方法と比較すると、5つのデータベースのうち3つで上回っており、残りは競争力がある。

関連論文リスト

• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• TetraLoss: Improving the Robustness of Face Recognition against Morphing Attacks [7.092869001331781]
  顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。 フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。 本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-21T21:04:05Z)
• Investigating Human-Identifiable Features Hidden in Adversarial Perturbations [54.39726653562144]
  我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。 対人摂動における人間の識別可能な特徴を同定する。 画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
  論文  参考訳（メタデータ） (2023-09-28T22:31:29Z)
• Deep Learning-based Spatio Temporal Facial Feature Visual Speech Recognition [0.0]
  パスワードをしゃべりながら、顔認識と個人特有の時間的顔の特徴的動作を併用する代替認証方式を提案する。 提案されたモデルは、業界標準のMIRACL-VC1データセットでテストしたときに96.1%の精度を達成した。
  論文  参考訳（メタデータ） (2023-04-30T18:52:29Z)
• Explainable, Domain-Adaptive, and Federated Artificial Intelligence in Medicine [5.126042819606137]
  我々は、AIによる医療意思決定における特定の課題に対処する3つの主要な方法論的アプローチに焦点を当てる。 ドメイン適応と転送学習により、AIモデルをトレーニングし、複数のドメインにわたって適用することができる。 フェデレーテッド・ラーニングは、機密性の高い個人情報を漏らさずに大規模なモデルを学習することを可能にする。
  論文  参考訳（メタデータ） (2022-11-17T03:32:00Z)
• OrthoMAD: Morphing Attack Detection Through Orthogonal Identity Disentanglement [6.433739188170069]
  本稿では,両者の実在するアイデンティティ情報を考慮し,2つの潜在ベクトルの生成を促進する新しい正規化項を提案する。 提案手法をFRLLデータセットの5種類の形態変化で評価し、5つの異なるデータセットでトレーニングした際のモデルの性能を評価する。
  論文  参考訳（メタデータ） (2022-08-16T16:55:12Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• Privacy-Preserving Eye-tracking Using Deep Learning [1.5484595752241124]
  本研究では,個々の顔の画像に基づいて訓練されたディープ・ネットワーク・モデルの場合に着目した。 本研究では,トレーニングデータの整合性を合理的な信頼性で保持することを示す。
  論文  参考訳（メタデータ） (2021-06-17T15:58:01Z)
• Conditional Contrastive Learning: Removing Undesirable Information in Self-Supervised Representations [108.29288034509305]
  我々は,自己指導型表現において望ましくない情報を除去するために,条件付きコントラスト学習を開発する。 提案手法は,下流タスクの自己教師付き表現をうまく学習できることを実証的に実証する。
  論文  参考訳（メタデータ） (2021-06-05T10:51:26Z)
• Low-Regret Active learning [64.36270166907788]
  トレーニングに最も有用なラベル付きデータポイントを識別するオンライン学習アルゴリズムを開発した。 私たちの仕事の中心は、予測可能な(簡単な)インスタンスの低い後悔を達成するために調整された睡眠専門家のための効率的なアルゴリズムです。
  論文  参考訳（メタデータ） (2021-04-06T22:53:45Z)

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。