論文の概要: IDTrust: Deep Identity Document Quality Detection with Bandpass Filtering

• arxiv url: http://arxiv.org/abs/2403.00573v1
• Date: Fri, 1 Mar 2024 14:53:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 17:06:27.588227
• Title: IDTrust: Deep Identity Document Quality Detection with Bandpass Filtering
• Title（参考訳）: IDTrust:バンドパスフィルタを用いた深部文書品質検出
• Authors: Musab Al-Ghadi, Joris Voerman, Souhail Bakkali, Micka\"el Coustaty, Nicolas Sidere, Xavier St-Georges
• Abstract要約: IDTrustは、深層学習に基づくアプローチを用いて、識別文書の品質を高めるシステムである。 バンドパスフィルタリングに基づく手法を用いて,IDの品質を効果的に検出し,識別することを目的とする。
• 参考スコア（独自算出の注目度）: 0.5542462410129538
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing use of digital technologies and mobile-based registration procedures highlights the vital role of personal identity documents (IDs) in verifying users and safeguarding sensitive information. However, the rise in counterfeit ID production poses a significant challenge, necessitating the development of reliable and efficient automated verification methods. This paper introduces IDTrust, a deep-learning framework for assessing the quality of IDs. IDTrust is a system that enhances the quality of identification documents by using a deep learning-based approach. This method eliminates the need for relying on original document patterns for quality checks and pre-processing steps for alignment. As a result, it offers significant improvements in terms of dataset applicability. By utilizing a bandpass filtering-based method, the system aims to effectively detect and differentiate ID quality. Comprehensive experiments on the MIDV-2020 and L3i-ID datasets identify optimal parameters, significantly improving discrimination performance and effectively distinguishing between original and scanned ID documents.
• Abstract（参考訳）: デジタル技術の利用の増加とモバイルベースの登録手続きは、ユーザ認証と機密情報の保護において、個人識別文書(ID)の重要性を強調している。 しかし、偽造ID生産の増加は重大な課題となり、信頼性と効率的な自動検証手法の開発が必要である。 本稿では,IDの品質を評価するためのディープラーニングフレームワーク IDTrust を紹介する。 IDTrustは深層学習に基づく手法を用いて識別文書の品質を向上させるシステムである。 この方法では、品質チェックやアライメントのための前処理ステップにオリジナルのドキュメントパターンに頼る必要がなくなる。 その結果、データセットの適用性が大幅に向上した。 バンドパスフィルタリングに基づく手法により,IDの品質を効果的に検出し,識別することを目的とする。 MIDV-2020とL3i-IDデータセットの総合的な実験は、最適なパラメータを特定し、識別性能を著しく改善し、元のID文書とスキャンされたID文書を効果的に区別する。

関連論文リスト

• LLM for Barcodes: Generating Diverse Synthetic Data for Identity Documents [2.697503433221448]
  我々は,LLMを用いた合成データ生成に新たなアプローチを導入し,事前定義されたフィールドに依存することなく,文脈的にリッチでリアルなデータを生成する。 我々のアプローチはデータセット作成のプロセスを単純化し、広範なドメイン知識の必要性を排除します。 このスケーラブルでプライバシ優先のソリューションは、自動文書処理とID認証のための機械学習の進歩の大きな一歩だ。
  論文  参考訳（メタデータ） (2024-11-22T14:21:18Z)
• Enhanced Bank Check Security: Introducing a Novel Dataset and Transformer-Based Approach for Detection and Verification [11.225067563482169]
  銀行チェックの署名検証に特化して設計された新しいデータセットを提案する。 このデータセットには、典型的なチェック要素に埋め込まれたさまざまなシグネチャスタイルが含まれている。 本稿では,オブジェクト検出ネットワークを用いた文字非依存署名検証のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-20T14:42:14Z)
• ID-Aligner: Enhancing Identity-Preserving Text-to-Image Generation with Reward Feedback Learning [57.91881829308395]
  AIポートレートや広告といった幅広いアプリケーションシナリオのために、ID-T2I(ID-preserving text-to-image generation)が注目されている。 我々は,ID-T2I性能を向上させるための一般的なフィードバック学習フレームワークである textbfID-Aligner を提案する。
  論文  参考訳（メタデータ） (2024-04-23T18:41:56Z)
• DID:RING: Ring Signatures using Decentralised Identifiers For Privacy-Aware Identity [3.479900921107504]
  本稿では,リングシグネチャを代替検証手法として統合することにより,分散型識別子におけるセキュリティとプライバシの強化について検討する。 そこで本研究では,分散識別子に基づくアーキテクチャフレームワークで実証された分散ID手法を提案する。
  論文  参考訳（メタデータ） (2024-03-08T12:49:39Z)
• Distilling the Unknown to Unveil Certainty [66.29929319664167]
  標準ネットワークがトレーニングされるIDデータから逸脱するテストサンプルを特定するためには、アウト・オブ・ディストリビューション(OOD)検出が不可欠である。 本稿では,IDデータのトレーニングが可能であるか否かを問う,先駆的な学習フレームワークであるOODナレッジ蒸留について紹介する。
  論文  参考訳（メタデータ） (2023-11-14T08:05:02Z)
• CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
  クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。 既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。 顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
  論文  参考訳（メタデータ） (2023-09-30T12:30:25Z)
• Exploration and Exploitation of Unlabeled Data for Open-Set Semi-Supervised Learning [130.56124475528475]
  半教師付き学習 (SSL) において, 未ラベルデータには, 内分布 (ID) と外分布 (OOD) の両方を含む, オープンセット SSL という複雑なシナリオに対処する。 提案手法は, 未ラベルデータにIDサンプルが完全に欠落している場合でも, 既存のSSL方式を改良する。
  論文  参考訳（メタデータ） (2023-06-30T14:25:35Z)
• Unsupervised Text Deidentification [101.2219634341714]
  個人識別情報を漏洩する単語を隠蔽する教師なしの識別手法を提案する。 K匿名性に基づくプライバシによって動機づけられた私たちは、最小の再識別ランクを保証するリアクションを生成します。
  論文  参考訳（メタデータ） (2022-10-20T18:54:39Z)
• Identity Documents Authentication based on Forgery Detection of Guilloche Pattern [2.606834301724095]
  ギロシェパターンの偽造検出に基づく識別文書の認証モデルを提案する。 認証性能を高めるために、最も適切なパラメータを分析し、識別するために実験を行う。
  論文  参考訳（メタデータ） (2022-06-22T11:37:10Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• Real-time information retrieval from Identity cards [0.0]
  本稿では,識別カード(ID)の旅路における最先端手法を提案する。 実験の結果,従来の手法ではなく,EAST(Efficient and Accurate Scene Text)検出器やディープニューラルネットワーク(Deep Neural Network,DNN)などの深層学習に基づく手法を顔検出に活用することが証明された。
  論文  参考訳（メタデータ） (2020-03-26T18:37:29Z)

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。