論文の概要: Towards Generalizable Morph Attack Detection with Consistency Regularization

• arxiv url: http://arxiv.org/abs/2308.10392v1
• Date: Sun, 20 Aug 2023 23:50:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-22 15:37:30.728637
• Title: Towards Generalizable Morph Attack Detection with Consistency Regularization
• Title（参考訳）: 一貫性規則化による一般化モーフィックアタック検出に向けて
• Authors: Hossein Kashiani, Niloufar Alipour Talemi, Mohammad Saeed Ebrahimi Saadabadi, Nasser M. Nasrabadi
• Abstract要約: 一般化可能なモルヒネ攻撃検出は注目されている。 現実的な形態変換の広い空間を探索するために、単純で効果的な2つのモルヒネ拡張法が提案されている。 提案した一貫性の規則化は、モーフィック・アタック・イメージにまたがって、モデルの隠れたレイヤの抽象化を整列させる。
• 参考スコア（独自算出の注目度）: 12.129404936688752
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Though recent studies have made significant progress in morph attack detection by virtue of deep neural networks, they often fail to generalize well to unseen morph attacks. With numerous morph attacks emerging frequently, generalizable morph attack detection has gained significant attention. This paper focuses on enhancing the generalization capability of morph attack detection from the perspective of consistency regularization. Consistency regularization operates under the premise that generalizable morph attack detection should output consistent predictions irrespective of the possible variations that may occur in the input space. In this work, to reach this objective, two simple yet effective morph-wise augmentations are proposed to explore a wide space of realistic morph transformations in our consistency regularization. Then, the model is regularized to learn consistently at the logit as well as embedding levels across a wide range of morph-wise augmented images. The proposed consistency regularization aligns the abstraction in the hidden layers of our model across the morph attack images which are generated from diverse domains in the wild. Experimental results demonstrate the superior generalization and robustness performance of our proposed method compared to the state-of-the-art studies.
• Abstract（参考訳）: 近年の研究では、ディープニューラルネットワークによるモルヒネ攻撃の検出が著しく進歩しているが、しばしば見えないモルヒネ攻撃に対してうまく一般化できない。 多くのモルヒネ攻撃が頻繁に発生し、一般化可能なモルヒネ攻撃検出が注目されている。 本稿では,一貫性の正規化の観点から形態攻撃検出の一般化能力の向上に着目する。 一貫性の正規化は、一般化可能なモーフィックアタック検出は、入力空間で起こりうる変動に関係なく一貫した予測を出力するべきであるという前提の下で機能する。 本研究では, この目的を達成するために, 整合正則化において, 現実的な形態変換の広い空間を探索するために, 単純かつ効果的な2つのモーメントワイド拡張を提案する。 そして、モデルが正規化され、ロジットで一貫して学習し、さらに幅広い形態的に拡張された画像にレベルを埋め込みます。 提案した一貫性規則化は、野生の多様なドメインから生成されるモルモット攻撃画像に対して、モデルの隠れたレイヤの抽象化を整列させる。 実験により,提案手法の高次一般化とロバスト性性能を最先端の研究と比較した。

関連論文リスト

• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• The Impact of Print-Scanning in Heterogeneous Morph Evaluation Scenarios [1.9035583634286277]
  印刷スキャンがモルヒネ攻撃検出に与える影響について, 一連の評価を通じて検討した。 実験の結果,MMPMR(Mated Morph Presentation Match Rate)を最大8.48%向上できることがわかった。 S-MAD (Single-image Morphing Detection Detection) アルゴリズムがプリントスキャンされた形態を検出するように訓練されていない場合、MACER (Morphing Classification Err rate) は96.12%まで増加する。
  論文  参考訳（メタデータ） (2024-04-09T18:23:34Z)
• Meta Invariance Defense Towards Generalizable Robustness to Unknown Adversarial Attacks [62.036798488144306]
  現在の防衛は主に既知の攻撃に焦点を当てているが、未知の攻撃に対する敵意の強固さは見過ごされている。 メタ不変防衛(Meta Invariance Defense, MID)と呼ばれる攻撃非依存の防御手法を提案する。 MIDは高レベルの画像分類と低レベルの頑健な画像再生における攻撃抑制において,知覚不能な逆方向の摂動に対して同時に頑健性を実現する。
  論文  参考訳（メタデータ） (2024-04-04T10:10:38Z)
• Approximating Optimal Morphing Attacks using Template Inversion [4.0361765428523135]
  我々は,理論的最適形態埋め込みの反転に基づく新しいタイプのディープ・モーフィング・アタックを開発した。 我々は複数の情報源からモーフィング攻撃を生成し、複数の顔認識ネットワークに対する攻撃の有効性について検討する。
  論文  参考訳（メタデータ） (2024-02-01T15:51:46Z)
• Face Morphing Attack Detection with Denoising Diffusion Probabilistic Models [0.0]
  モールフされた顔画像は、様々な悪意のある目的のために誰かの身元を偽装するために使用することができる。 既存のMAD技術は、ボナフィドやモルフィド画像の例から学ぶ識別モデルに依存している。 本研究では,ボナファイド画像の特徴からのみ学習できる新しい拡散型MAD法を提案する。
  論文  参考訳（メタデータ） (2023-06-27T18:19:45Z)
• MorphGANFormer: Transformer-based Face Morphing and De-Morphing [55.211984079735196]
  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。
  論文  参考訳（メタデータ） (2023-02-18T19:09:11Z)
• 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)
• Robust Ensemble Morph Detection with Domain Generalization [23.026167387128933]
  我々は,多種多様な形態素攻撃への高一般化と,異なる敵攻撃に対する強靭性を有する形態素検出モデルを学習する。 本研究の目的は,畳み込みニューラルネットワーク(CNN)とトランスフォーマーモデルのアンサンブルを同時に構築することである。 提案したロバストアンサンブルモデルがいくつかのモーフィング攻撃や顔データセットに一般化されることを示す。
  論文  参考訳（メタデータ） (2022-09-16T19:00:57Z)
• On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving [59.33715889581687]
  現実世界の敵対的な例(通常はパッチの形で)の存在は、安全クリティカルなコンピュータビジョンタスクにおけるディープラーニングモデルの使用に深刻な脅威をもたらす。 本稿では,異なる種類の対立パッチを攻撃した場合のセマンティックセグメンテーションモデルのロバスト性を評価する。 画素の誤分類を誘導する攻撃者の能力を改善するために, 新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2022-01-05T22:33:43Z)
• Meta Adversarial Perturbations [66.43754467275967]
  メタ逆境摂動(MAP)の存在を示す。 MAPは1段階の上昇勾配更新によって更新された後、自然画像を高い確率で誤分類する。 これらの摂動は画像に依存しないだけでなく、モデルに依存しないものであり、単一の摂動は見えないデータポイントと異なるニューラルネットワークアーキテクチャにまたがってうまく一般化される。
  論文  参考訳（メタデータ） (2021-11-19T16:01:45Z)
• Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
  このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。 生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。 実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
  論文  参考訳（メタデータ） (2020-02-22T10:08:42Z)

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。