Fugu-MT 論文翻訳(概要): Towards Better Morphed Face Images without Ghosting Artifacts

論文の概要: Towards Better Morphed Face Images without Ghosting Artifacts

arxiv url: http://arxiv.org/abs/2312.08111v1
Date: Wed, 13 Dec 2023 12:58:30 GMT
ステータス: 処理完了
システム内更新日: 2023-12-14 15:22:29.182772
Title: Towards Better Morphed Face Images without Ghosting Artifacts
Title（参考訳）: ゴースト・アーティファクトを伴わない顔画像の改良に向けて
Authors: Clemens Seibold, Anna Hilsmann, Peter Eisert
Abstract要約: そこで本研究では,形態生成中の画素ワイドアライメントに基づくゴーストアーティファクトの自動防止手法を提案する。提案手法は,高品質な形態に不可欠なバイオメトリックスの品質を損なわないことを示す。
参考スコア（独自算出の注目度）: 3.95944314850151
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automatic generation of morphed face images often produces ghosting artifacts due to poorly aligned structures in the input images. Manual processing can mitigate these artifacts. However, this is not feasible for the generation of large datasets, which are required for training and evaluating robust morphing attack detectors. In this paper, we propose a method for automatic prevention of ghosting artifacts based on a pixel-wise alignment during morph generation. We evaluate our proposed method on state-of-the-art detectors and show that our morphs are harder to detect, particularly, when combined with style-transfer-based improvement of low-level image characteristics. Furthermore, we show that our approach does not impair the biometric quality, which is essential for high quality morphs.
Abstract（参考訳）: 顔画像の自動生成は、入力画像に不整合構造があるため、しばしばゴーストアーティファクトを生成する。手動処理はこれらのアーティファクトを軽減できる。しかしこれは、ロバストなモーフィング攻撃検出器のトレーニングと評価に必要な大規模なデータセットの生成には実現不可能である。本稿では,モルフ生成時の画素方向アライメントに基づくゴースト生成の自動防止手法を提案する。提案手法を最先端検出器で評価し,特に低レベル画像特性のスタイル変換に基づく改善と組み合わせて検出することが困難であることを示す。さらに, 本手法は, バイオメトリック品質を損なうことなく, 高品質な形態に必須であることを示した。

関連論文リスト

MorCode: Face Morphing Attack Generation using Generative Codebooks [6.151324262498369]
顔認識システムは、顔形態攻撃によって損なわれる可能性がある。顔の自動モーフィング生成手法である textitMorCode について述べる。提案手法であるtextitMorCode の攻撃電位を3種類の顔認識システムを用いてベンチマークした。
論文参考訳（メタデータ） (2024-10-10T05:33:32Z)
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)
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)
MaskSketch: Unpaired Structure-guided Masked Image Generation [56.88038469743742]
MaskSketchは、サンプリング中の余分な条件信号としてガイドスケッチを使用して生成結果の空間的条件付けを可能にする画像生成方法である。マスク付き生成変換器の中間自己アテンションマップが入力画像の重要な構造情報を符号化していることを示す。以上の結果から,MaskSketchは誘導構造に対する高画像リアリズムと忠実性を実現する。
論文参考訳（メタデータ） (2023-02-10T20:27:02Z)
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)
Face Morphing Attacks and Face Image Quality: The Effect of Morphing and the Unsupervised Attack Detection by Quality [6.889667606945215]
形態形成過程が知覚的画像品質と顔認識における画像有用性の両方に影響を及ぼす可能性を理論的に論じる。本研究は、顔画像品質測定と顔画像有効性測定の両方を含む、顔画像品質に対するモーフィングの効果を広範囲に分析する。本研究は、この効果に基づいて、品質スコアに基づいて、教師なしモーフィング攻撃検出(MAD)を行う可能性について検討する。
論文参考訳（メタデータ） (2022-08-11T15:12:50Z)
ReGenMorph: Visibly Realistic GAN Generated Face Morphing Attacks by Attack Re-generation [7.169807933149473]
この研究は、新しいモーフィングパイプラインであるReGenMorphを示し、GANベースの世代を用いてLMAブレンディングアーティファクトを除去する。生成したReGenMorphの外観は、最近のモーフィング手法と比較され、顔認識の脆弱性と攻撃検出性を評価する。
論文参考訳（メタデータ） (2021-08-20T11:55:46Z)
Controllable Person Image Synthesis with Spatially-Adaptive Warped Normalization [72.65828901909708]
制御可能な人物画像生成は、望ましい属性を持つ現実的な人間の画像を作成することを目的としている。本稿では,学習フロー場とワープ変調パラメータを統合した空間適応型ワープ正規化(SAWN)を提案する。本稿では,テクスチャ・トランスファータスクの事前学習モデルを洗練するための,新たな自己学習部分置換戦略を提案する。
論文参考訳（メタデータ） (2021-05-31T07:07:44Z)
Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文参考訳（メタデータ） (2021-04-29T17:58:35Z)
Deepfake Forensics via An Adversarial Game [99.84099103679816]
顔偽造と画像・映像品質の両面での一般化能力向上のための対人訓練を提唱する。 AIベースの顔操作は、しばしば、一般化が困難であるモデルによって容易に発見できる高周波アーティファクトにつながることを考慮し、これらの特定のアーティファクトを曖昧にしようとする新しい逆トレーニング手法を提案する。
論文参考訳（メタデータ） (2021-03-25T02:20:08Z)
Identifying Invariant Texture Violation for Robust Deepfake Detection [17.306386179823576]
Invariant Texture Learning frameworkは,低画質で公開されたデータセットにのみアクセスすることができる。本手法は, 被写体から転写したテクスチャによって, 被写体表面の微視的顔のテクスチャが必然的に侵害されることを前提とした。
論文参考訳（メタデータ） (2020-12-19T03:02:15Z)

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。