論文の概要: V-MAD: Video-based Morphing Attack Detection in Operational Scenarios

• arxiv url: http://arxiv.org/abs/2404.06963v1
• Date: Wed, 10 Apr 2024 12:22:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-11 14:40:47.741152
• Title: V-MAD: Video-based Morphing Attack Detection in Operational Scenarios
• Title（参考訳）: V-MAD:手術シナリオにおけるビデオ型モーフィング検出
• Authors: Guido Borghi, Annalisa Franco, Nicolò Di Domenico, Matteo Ferrara, Davide Maltoni,
• Abstract要約: 本稿では,実運用シナリオにおけるビデオ型モーフィング攻撃検出(V-MAD)システムの可能性について紹介し,検討する。 V-MADはビデオシーケンスに基づいており、しばしば顔認証ツールによって取得されるビデオストリームを利用する。 複数のプローブフレームが利用可能であることが、モーフィング攻撃検出タスクにもたらす利点を初めて示す。
• 参考スコア（独自算出の注目度）: 4.353138826597465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In response to the rising threat of the face morphing attack, this paper introduces and explores the potential of Video-based Morphing Attack Detection (V-MAD) systems in real-world operational scenarios. While current morphing attack detection methods primarily focus on a single or a pair of images, V-MAD is based on video sequences, exploiting the video streams often acquired by face verification tools available, for instance, at airport gates. Through this study, we show for the first time the advantages that the availability of multiple probe frames can bring to the morphing attack detection task, especially in scenarios where the quality of probe images is varied and might be affected, for instance, by pose or illumination variations. Experimental results on a real operational database demonstrate that video sequences represent valuable information for increasing the robustness and performance of morphing attack detection systems.
• Abstract（参考訳）: 顔形態形成攻撃の脅威が増大する中で,本研究では,実世界の運用シナリオにおけるビデオベースMorphing Detection(V-MAD)システムの可能性について紹介し,検討する。 現在のモーフィング攻撃検出方法は、主に1つまたは1つの画像に焦点を当てているが、V-MADはビデオシーケンスに基づいており、例えば空港のゲートで利用可能な顔認証ツールによって取得されるビデオストリームを利用する。 本研究では,複数のプローブフレームが利用可能であることが,特にプローブ画像の品質が変化し,例えばポーズや照明のバリエーションによって影響を受ける場合において,モーフィング攻撃検出タスクにもたらすメリットを初めて示す。 実運用データベースにおける実験結果から, ビデオシーケンスは, モーフィング攻撃検知システムのロバスト性や性能を高める上で, 貴重な情報であることが示された。

関連論文リスト

• Evaluating the Effectiveness of Attack-Agnostic Features for Morphing Attack Detection [20.67964977754179]
  モーフィング攻撃検出(MAD)における画像表現の可能性について検討する。 ガウス混合モデル(GMM)によるボナフィド特性の分布をモデル化し,抽出した特徴量と一級検出値に基づいて単純な2次線形SVMを訓練し,教師付き検出器を開発する。 以上の結果から,攻撃非依存の特徴は,ほとんどのシナリオにおいて従来の教師付き・一級検知器よりも優れた形態的攻撃を効果的に検出できることが示唆された。
  論文  参考訳（メタデータ） (2024-10-22T08:27:43Z)
• Weakly Supervised Video Anomaly Detection and Localization with Spatio-Temporal Prompts [57.01985221057047]
  本稿では、事前学習された視覚言語モデル(VLM)に基づく、弱教師付きビデオ異常検出および局所化のための時間的プロンプト埋め込み(WSVADL)を学習する新しい手法を提案する。 提案手法は,WSVADLタスクの3つの公開ベンチマークにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-08-12T03:31:29Z)
• 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)
• VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs [64.60035916955837]
  VANE-Benchはビデオの異常や矛盾を検出するためのビデオLMMの熟練度を評価するために設計されたベンチマークである。 我々のデータセットは、既存の最先端のテキスト・ビデオ生成モデルを用いて合成された一連のビデオから構成される。 我々は、このベンチマークタスクにおいて、オープンソースとクローズドソースの両方で既存の9つのビデオLMMを評価し、ほとんどのモデルが微妙な異常を効果的に識別するのに困難に直面することを発見した。
  論文  参考訳（メタデータ） (2024-06-14T17:59:01Z)
• Source-free Domain Adaptation for Video Object Detection Under Adverse Image Conditions [0.0]
  トレーニング済みのビデオオブジェクト検出器を現実のシナリオにデプロイする場合、トレーニングとテストデータのドメインギャップは、しばしばパフォーマンスの低下につながる。 ビデオオブジェクト検出(VOD)のためのシンプルで効果的なソースフリードメイン適応法(SFDA)を提案する。 具体的には,1段VOD法であるYOLOVの性能を,騒音,空気乱流,迷路などの画像条件下で改善することを目的としている。
  論文  参考訳（メタデータ） (2024-04-23T17:39:06Z)
• SeaDSC: A video-based unsupervised method for dynamic scene change detection in unmanned surface vehicles [3.2716252389196288]
  本稿では,無人表面車両(USV)の動的シーン変化を検出するためのアプローチについて概説する。 本研究の目的は,海中映像データのダイナミックなシーン,特に高い類似性を示すシーンに顕著な変化を見出すことである。 本研究では,動的シーン変化検出システムにおいて,教師なし学習手法を提案する。
  論文  参考訳（メタデータ） (2023-11-20T07:34:01Z)
• 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)
• Multispectral Imaging for Differential Face Morphing Attack Detection: A Preliminary Study [7.681417534211941]
  本稿では,D-MAD(D-MAD)のためのマルチスペクトルフレームワークを提案する。 提案したマルチスペクトルD-MADフレームワークは、7つの異なるスペクトルバンドを取得してモーフィング攻撃を検出するために、信頼できるキャプチャとしてキャプチャされたマルチスペクトル画像を導入する。
  論文  参考訳（メタデータ） (2023-04-07T07:03:00Z)
• PreViTS: Contrastive Pretraining with Video Tracking Supervision [53.73237606312024]
  PreViTSは、同じオブジェクトを含むクリップを選択するための教師なしSSLフレームワークである。 PreViTSはフレーム領域を空間的に制約し、モデルから学習し、意味のあるオブジェクトを見つけるように訓練する。 モーメントコントラスト(MoCo)エンコーダを,PreViTSを用いてVGG-SoundとKinetics-400データセットでトレーニングする。
  論文  参考訳（メタデータ） (2021-12-01T19:49:57Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• Sharp Multiple Instance Learning for DeepFake Video Detection [54.12548421282696]
  我々はDeepFakeビデオに、ビデオレベルのラベルのみを提供するが、フェイクビデオのすべての顔が操作されるわけではない部分的な顔攻撃という新しい問題を導入する。 インスタンス埋め込みからバッグ予測への直接マッピングを構築する鋭いMIL(S-MIL)を提案する。 FFPMSと広く使われているDFDCデータセットの実験により、S-MILは部分的に攻撃されたDeepFakeビデオ検出において他の手法よりも優れていることが確認された。
  論文  参考訳（メタデータ） (2020-08-11T08:52:17Z)

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。