Fugu-MT 論文翻訳(概要): Fused Classification For Differential Face Morphing Detection

論文の概要: Fused Classification For Differential Face Morphing Detection

arxiv url: http://arxiv.org/abs/2309.00665v1
Date: Fri, 1 Sep 2023 16:14:29 GMT
ステータス: 処理完了
システム内更新日: 2023-09-07 01:57:57.528029
Title: Fused Classification For Differential Face Morphing Detection
Title（参考訳）: 差動顔形態検出のための融合分類法
Authors: Iurii Medvedev, Joana Pimenta, Nuno Gon\c{c}alves
Abstract要約: 顔モフティング(Face morphing)は、顔認証システムに重大なセキュリティリスクをもたらす。従来の方法では、複数の顔画像が混在するモルヒネ攻撃を検出するのに苦労している。非参照シナリオに対する融合分類法に基づく拡張アプローチを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Face morphing, a sophisticated presentation attack technique, poses significant security risks to face recognition systems. Traditional methods struggle to detect morphing attacks, which involve blending multiple face images to create a synthetic image that can match different individuals. In this paper, we focus on the differential detection of face morphing and propose an extended approach based on fused classification method for no-reference scenario. We introduce a public face morphing detection benchmark for the differential scenario and utilize a specific data mining technique to enhance the performance of our approach. Experimental results demonstrate the effectiveness of our method in detecting morphing attacks.
Abstract（参考訳）: 高度なプレゼンテーション攻撃技術であるフェイスモーフィングは、顔認識システムに重大なセキュリティリスクをもたらす。従来の手法では、複数の顔画像をブレンドして、異なる個人にマッチする合成画像を作る、モーフィング攻撃を検出するのに苦労している。本稿では,顔形態の差分検出に焦点をあて,非参照シナリオに対する融合分類法に基づく拡張アプローチを提案する。差動シナリオに対する顔形態検出ベンチマークを導入し、特定のデータマイニング手法を用いてアプローチの性能を向上させる。実験の結果, モーフィング攻撃の検出に本手法の有効性が示された。

関連論文リスト

DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-07T07:19:45Z)
Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文参考訳（メタデータ） (2023-10-18T14:49:54Z)
Impact of Image Context for Single Deep Learning Face Morphing Attack Detection [0.0]
顔認識システム(FRS)は普及しているが、顔形態攻撃などの画像操作技術には依然として脆弱である。本研究では,入力画像のアライメント設定が深層学習顔形態検出性能に及ぼす影響について検討した。
論文参考訳（メタデータ） (2023-09-01T15:57:24Z)
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)
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)
Face Feature Visualisation of Single Morphing Attack Detection [13.680968065638108]
本稿では,異なる顔特徴抽出アルゴリズムの視覚化について説明する。単変態攻撃検出のためのボナファイドの検出と変態画像を可能にする。この視覚化は、境界ポリシーのためのグラフィカルユーザインタフェースの開発に役立つかもしれない。
論文参考訳（メタデータ） (2023-04-25T17:51:23Z)
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)
MorDeephy: Face Morphing Detection Via Fused Classification [0.0]
単一画像顔形態検出のための新しい深層学習手法を提案する。深層顔の特徴を学習し、これらの特徴の真正性に関する情報を伝達する。提案手法はMorDeephyと呼ばれ,その技術性能を達成し,未知のシナリオに変形検出を行うタスクを一般化する顕著な能力を示した。
論文参考訳（メタデータ） (2022-08-05T11:39:22Z)
Face Morphing Attack Detection Using Privacy-Aware Training Data [0.991629944808926]
顔の形をした画像は、顔認識ベースのセキュリティシステムに深刻な脅威をもたらす。現代の検出アルゴリズムは、実際の人物の認証画像を用いて、このような形態的攻撃を識別する。このアプローチは、さまざまなプライバシー上の懸念を提起し、公開されているトレーニングデータの量を制限する。
論文参考訳（メタデータ） (2022-07-02T19:00:48Z)
Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
論文参考訳（メタデータ） (2022-04-26T14:36:06Z)
Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
論文参考訳（メタデータ） (2021-04-28T09:35:48Z)

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。