Fugu-MT 論文翻訳(概要): Improving Visual Quality and Transferability of Adversarial Attacks on Face Recognition Simultaneously with Adversarial Restoration

論文の概要: Improving Visual Quality and Transferability of Adversarial Attacks on Face Recognition Simultaneously with Adversarial Restoration

arxiv url: http://arxiv.org/abs/2309.01582v1
Date: Mon, 4 Sep 2023 13:10:11 GMT
ステータス: 処理完了
システム内更新日: 2023-09-06 18:43:25.921722
Title: Improving Visual Quality and Transferability of Adversarial Attacks on Face Recognition Simultaneously with Adversarial Restoration
Title（参考訳）: 顔認証における視覚的品質改善と対向的攻撃の伝達性
Authors: Fengfan Zhou
Abstract要約: 我々は,AdvRestore(Adversarial Restoration)と呼ばれる新たな敵攻撃を提案する。対向顔の視覚的品質と伝達性は同時に向上する。実験の結果,提案手法の有効性が示された。
参考スコア（独自算出の注目度）: 0.8158530638728501
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Visual Quality and Transferability are the two key property of adversarial face examples. However, few works consider to improve the key properties simultaneously. To this end, we proposed a novel adversarial attack called Adversarial Restoration (AdvRestore) that enhances the visual quality and the transferability of adversarial face examples simultaneously by using a face Restoration Latent Diffusion Model Prior. Specifically, we first train a face Restoration Latent Diffusion Model (RLDM) for face restoration. Then, we use RLDM to restore of the attacker image, in the process of restoration, we add adversarial perturbations on the output feature of the UNet of RLDM. Combined with the prior, the visual quality and tranferability of the crafted adversarial face examples can be further improved. Experimental results demonstrate the effectiveness of our proposed attack method.
Abstract（参考訳）: 視覚品質と伝達性は、逆顔の2つの重要な特性である。しかし、キープロパティーを同時に改善しようとする作品はほとんどない。そこで本研究では, 顔復元潜在拡散モデルを用いて, 顔の視覚的品質と伝達性を同時に向上させるadvrestore (adversarial restoration) という新しい攻撃法を提案する。具体的には,まず顔復元のための顔復元潜在拡散モデル(rldm)を訓練する。そして、RLDMを用いて攻撃画像の復元を行い、復元の過程で、RLDMのUNetの出力特性に逆の摂動を加える。従来と組み合わせることで、製作した対向顔の視覚的品質と転写性をさらに向上させることができる。実験の結果,提案手法の有効性が示された。

関連論文リスト

OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
拡散モデルは、顔の修復において顕著な性能を示した。顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
論文参考訳（メタデータ） (2024-11-26T07:07:48Z)
Enhancing the Transferability of Adversarial Attacks on Face Recognition with Diverse Parameters Augmentation [29.5096732465412]
顔認識(FR)モデルは、良質な顔画像を微妙に操作する敵の例に対して脆弱である。既存の敵攻撃法は、サロゲートモデルを増強する潜在的な利点を見落としていることが多い。本稿では,DPA攻撃法(Diverse Parameters Augmentation)と呼ばれる新しい手法を提案する。
論文参考訳（メタデータ） (2024-11-23T13:22:37Z)
Overcoming False Illusions in Real-World Face Restoration with Multi-Modal Guided Diffusion Model [55.46927355649013]
本稿では,新しいマルチモーダル・リアル・ワールド・フェイス・リカバリ技術を紹介する。 MGFRは偽の顔の特徴とアイデンティティの生成を緩和することができる。 5000のアイデンティティにまたがる23,000以上の高解像度の顔画像からなるReface-HQデータセットを提案する。
論文参考訳（メタデータ） (2024-10-05T13:46:56Z)
Improving the JPEG-resistance of Adversarial Attacks on Face Recognition by Interpolation Smoothing [19.78886439509634]
本稿では,JPEG圧縮に対する対立例の抵抗性を改善することを目的とした,顔認識に対する新たな敵攻撃を提案する。提案手法の有効性を実験的に検証し, 逆顔例のJPEG抵抗性向上に有効であることを示した。
論文参考訳（メタデータ） (2024-02-26T14:09:50Z)
Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
論文参考訳（メタデータ） (2023-12-18T15:25:23Z)
NeRFTAP: Enhancing Transferability of Adversarial Patches on Face Recognition using Neural Radiance Fields [15.823538329365348]
本稿では、FRモデルへの転送可能性と被害者の顔画像の両方を考慮し、新たな敵攻撃法を提案する。我々は,敵パッチの転送可能性を高めるために,ソースと対象対象のための新しいビューフェイス画像を生成する。本研究は, FRシステムの強靭性向上に有用な知見を提供する。
論文参考訳（メタデータ） (2023-11-29T03:17:14Z)
Improving the Transferability of Adversarial Attacks on Face Recognition with Beneficial Perturbation Feature Augmentation [26.032639566914114]
顔認識(FR)モデルは、良質な顔画像に知覚不能な摂動を加えることで、敵対的な例によって容易に騙される。本稿では,既存のFRモデルの盲点を明らかにするために,対向顔例の移動性を改善する。 BPFA(Besticial Perturbation Feature Augmentation Attack)と呼ばれる新しい攻撃法を提案する。
論文参考訳（メタデータ） (2022-10-28T13:25:59Z)
LTT-GAN: Looking Through Turbulence by Inverting GANs [86.25869403782957]
本稿では,よく訓練されたGANによってカプセル化された視覚的事前情報を利用した最初の乱流緩和手法を提案する。視覚的先行性に基づき、周期的な文脈距離で復元された画像の同一性を維持することを学ぶことを提案する。本手法は, 回復した結果の視覚的品質と顔認証精度の両方において, 先行技術よりも優れていた。
論文参考訳（メタデータ） (2021-12-04T16:42:13Z)
Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
論文参考訳（メタデータ） (2020-10-12T08:04:24Z)
Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation [92.86123832948809]
本稿では,2つの繰り返しネットワーク間の反復的協調による深層面超解像(FSR)手法を提案する。各繰り返しステップにおいて、リカバリブランチは、ランドマークの事前の知識を利用して、高品質な画像を生成する。新しい注意融合モジュールはランドマークマップのガイダンスを強化するために設計されている。
論文参考訳（メタデータ） (2020-03-29T16:04:48Z)
SD-GAN: Structural and Denoising GAN reveals facial parts under occlusion [7.284661356980246]
咬合状態にある顔の欠損部分を再構成する生成モデルを提案する。 GAN(Generative Adversarial Network)モデルとして,2モーダルな相互排他的学習アルゴリズムを考案した。提案手法は,顔認識の性能向上においても,競合する手法よりもかなり優れている。
論文参考訳（メタデータ） (2020-02-19T21:12:49Z)

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。