Fugu-MT 論文翻訳(概要): Exploring the Design Space of Diffusion Autoencoders for Face Morphing

論文の概要: Exploring the Design Space of Diffusion Autoencoders for Face Morphing

arxiv url: http://arxiv.org/abs/2310.09484v1
Date: Sat, 14 Oct 2023 04:11:01 GMT
ステータス: 処理完了
システム内更新日: 2023-10-17 20:12:06.507221
Title: Exploring the Design Space of Diffusion Autoencoders for Face Morphing
Title（参考訳）: 顔認識用拡散オートエンコーダの設計空間の探索
Authors: Zander Blasingame, Chen Liu
Abstract要約: Diffusion Autoencodersによって作成された顔形態は最近のイノベーションであり、そのようなアプローチの設計空間は十分に研究されていない。設計空間の3つの軸,すなわち,1)サンプリングアルゴリズム,2)逆DDIMソルバ,3)少量の付加雑音による部分サンプリングについて検討する。
参考スコア（独自算出の注目度）: 2.4599238898141507
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Face morphs created by Diffusion Autoencoders are a recent innovation and the design space of such an approach has not been well explored. We explore three axes of the design space, i.e., 1) sampling algorithms, 2) the reverse DDIM solver, and 3) partial sampling through small amounts of added noise.
Abstract（参考訳）: Diffusion Autoencodersによって作成された顔形態は最近のイノベーションであり、そのようなアプローチの設計空間は十分に研究されていない。デザインスペースの3つの軸、すなわち 1)サンプリングアルゴリズム 2)リバースDDIM解決器,及び 3) 少量の付加雑音による部分的サンプリング。

関連論文リスト

NestedMorph: Enhancing Deformable Medical Image Registration with Nested Attention Mechanisms [0.0]
変形可能な画像登録は、異なるモダリティにまたがる非線形な方法で医療画像の整列に不可欠である。本稿では,Nested Attention Fusion を用いた新たなネットワークであるNestedMorphについて述べる。
論文参考訳（メタデータ） (2024-10-03T14:53:42Z)
DiM: Diffusion Mamba for Efficient High-Resolution Image Synthesis [56.849285913695184]
Diffusion Mamba (DiM) は高分解能画像合成のためのシーケンスモデルである。 DiMアーキテクチャは高解像度画像の推論時間効率を実現する。実験は、我々のDiMの有効性と効率を実証する。
論文参考訳（メタデータ） (2024-05-23T06:53:18Z)
Greedy-DiM: Greedy Algorithms for Unreasonably Effective Face Morphs [2.0795007613453445]
拡散モルフ (Diffusion Morphs, DiM) は近年提案されているモルフ攻撃であり, 表現に基づくモルフ攻撃の最先端性能を実現している。同一性に基づく関数によって導かれる最適ステップを探索するDiMモデルの反復サンプリングプロセスに関する欲求戦略を提案する。提案アルゴリズムは,100%のMMPMRで試験されたFRシステムの全てを騙し,比較した他の全てのモルヒネアルゴリズムを上回り,不合理に有効であることがわかった。
論文参考訳（メタデータ） (2024-04-09T05:21:32Z)
Latent Consistency Models: Synthesizing High-Resolution Images with Few-Step Inference [60.32804641276217]
本稿では,LCM(Latent Consistency Models)を提案する。高品質の768 x 768 24-step LCMは、トレーニングに32A100 GPU時間しかかからない。また,画像データセットの微調整に適した新しいLCM法であるLCF(Latent Consistency Fine-tuning)についても紹介する。
論文参考訳（メタデータ） (2023-10-06T17:11:58Z)
SDeMorph: Towards Better Facial De-morphing from Single Morph [0.0]
顔認識システム(FRS)はモルヒネ攻撃に対して脆弱である。現在のMorph Detection (MAD)は、その形態を検出できるが、その形態を生成するために使われるアイデンティティを回復できない。 SDeMorphは参照のない新しいデモルフィング法であり,ボナファイドのアイデンティティを復元する。
論文参考訳（メタデータ） (2023-08-22T13:46:12Z)
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)
Exploring Effective Mask Sampling Modeling for Neural Image Compression [171.35596121939238]
既存のニューラルイメージ圧縮手法の多くは、空間的冗長性を排除するために、ハイパープライアモデルやコンテキストモデルからのサイド情報に依存している。近年の自然言語処理と高次視覚のための自己教師付き学習手法におけるマスクサンプリングモデルに着想を得て,ニューラル画像圧縮のための新しい事前学習戦略を提案する。提案手法は,最先端画像圧縮法と比較して計算複雑性の低い競合性能を実現する。
論文参考訳（メタデータ） (2023-06-09T06:50:20Z)
CDPMSR: Conditional Diffusion Probabilistic Models for Single Image Super-Resolution [91.56337748920662]
拡散確率モデル(DPM)は画像から画像への変換において広く採用されている。単純だが自明なDPMベースの超解像後処理フレームワーク,すなわちcDPMSRを提案する。本手法は, 定性的および定量的な結果の両面において, 先行試行を超越した手法である。
論文参考訳（メタデータ） (2023-02-14T15:13:33Z)
Pseudo Numerical Methods for Diffusion Models on Manifolds [77.40343577960712]
Denoising Diffusion Probabilistic Models (DDPM) は、画像やオーディオサンプルなどの高品質なサンプルを生成することができる。 DDPMは最終的なサンプルを生成するために数百から数千のイテレーションを必要とする。拡散モデル(PNDM)の擬似数値法を提案する。 PNDMは、1000段DDIM(20倍の高速化)と比較して、50段の精度で高品質な合成画像を生成することができる
論文参考訳（メタデータ） (2022-02-20T10:37:52Z)
Denoising Diffusion Implicit Models [117.03720513930335]
DDPMと同様の訓練手順を施した反復的暗黙的確率モデルに対して,拡散暗黙モデル(DDIM)を提案する。 DDIMsは、DDPMsと比較して、壁面時間で10倍から50倍高速な高品質のサンプルを作成できる。
論文参考訳（メタデータ） (2020-10-06T06:15:51Z)

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。