論文の概要: On Generating Cancelable Biometric Template using Reverse of Boolean XOR
- arxiv url: http://arxiv.org/abs/2404.15394v1
- Date: Tue, 23 Apr 2024 17:11:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-25 15:32:54.013532
- Title: On Generating Cancelable Biometric Template using Reverse of Boolean XOR
- Title（参考訳）: ブールXORのリバースを用いた共振器型バイオメトリックテンプレートの生成について
- Authors: Manisha, Nitin Kumar,
- Abstract要約: Visual Secret Sharingスキームに基づくCancelable Biometric templatesの生成には,3つの異なる方法が提案されている。
提案した3つの手法のうち,M3は高品質なCancelableテンプレートを生成し,品質面で最高の性能を示す。
- 参考スコア（独自算出の注目度）: 13.850377680320204
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cancelable Biometric is repetitive distortion embedded in original Biometric image for keeping it secure from unauthorized access. In this paper, we have generated Cancelable Biometric templates with Reverse Boolean XOR technique. Three different methods have been proposed for generation of Cancelable Biometric templates based on Visual Secret Sharing scheme. In each method, one Secret image and n-1 Cover images are used as: (M1) One original Biometric image (Secret) with n- 1 randomly chosen Gray Cover images (M2) One original Secret image with n-1 Cover images, which are Randomly Permuted version of the original Secret image (M3) One Secret image with n-1 Cover images, both Secret image and Cover images are Randomly Permuted version of original Biometric image. Experiment works have performed on publicly available ORL Face database and IIT Delhi Iris database. The performance of the proposed methods is compared in terms of Co-relation Coefficient (Cr), Mean Square Error (MSE), Mean Absolute Error (MAE), Structural Similarity (SSIM), Peak Signal to Noise Ratio (PSNR), Number of Pixel Change Rate (NPCR), and Unified Average Changing Intensity (UACI). It is found that among the three proposed method, M3 generates good quality Cancelable templates and gives best performance in terms of quality. M3 is also better in quantitative terms on ORL dataset while M2 and M3 are comparable on IIT Delhi Iris dataset.
- Abstract（参考訳）: Cancelable Biometricは、元のBiometricイメージに反復的歪みを埋め込んで、不正アクセスから保護する。
本稿では,Reverse Boolean XOR を用いた Cancelable Biometric template を作成した。
Visual Secret Sharingスキームに基づくCancelable Biometric templatesの生成には,3つの異なる方法が提案されている。
それぞれの方法において、1つのシークレット画像とn-1カバー画像を使用する: (M1) 1つのオリジナルバイオメトリック画像(Secret)とn-1がランダムに選択されたグレイカバー画像(M2) n-1カバー画像は、元のシークレット画像(M3) 1つのシークレット画像とn-1カバー画像の両方がランダムに変化する。
ORL FaceデータベースとIIT Delhi Irisデータベースで実験が行われた。
提案手法の性能は,コリレーション係数 (Cr), 平均角誤差 (MSE), 平均絶対誤差 (MAE), 構造類似度 (SSIM), ピーク信号対雑音比 (PSNR), 画素数変化率 (NPCR), 平均変化強度 (UACI) の観点から比較する。
提案した3つの手法のうち,M3は高品質なCancelableテンプレートを生成し,品質面で最高の性能を示す。
M2とM3はIIT Delhi Irisデータセットに匹敵する。
関連論文リスト
- CBRW: A Novel Approach for Cancelable Biometric Template Generation based on [13.850377680320204]
ランダムウォーク(CBRW)に基づく2つの新しいキャンセル可能なバイオメトリックテンプレート生成法が提案されている。
提案手法の性能は他の最先端手法と比較した。
論文 参考訳（メタデータ） (2024-04-25T16:49:10Z) - 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) - DIFFNAT: Improving Diffusion Image Quality Using Natural Image
Statistics [39.457325373431836]
そこで本研究では, 損失関数, viz., Kurtosis concentration (KC) の損失を総合的に保存する「自然性」を提案する。
我々のモチベーションは、自然画像の予測された硬変濃度特性に起因している。
生成した画像の「自然性」を維持するため,最高値と最低値とのギャップを小さくする。
論文 参考訳（メタデータ） (2023-11-16T10:28:59Z) - PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via
Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。
本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文 参考訳（メタデータ） (2023-07-18T10:55:54Z) - Fast refacing of MR images with a generative neural network lowers
re-identification risk and preserves volumetric consistency [5.040145546652933]
本稿では,3次元条件生成対向ネットワークに基づく3次元T1重み付きスキャンのための顔の匿名化手法を提案する。
提案手法は顔生成に9秒を要し, 顔の変形後の一貫した後処理結果の復元に適している。
論文 参考訳（メタデータ） (2023-05-26T13:34:14Z) - HybridMIM: A Hybrid Masked Image Modeling Framework for 3D Medical Image
Segmentation [29.15746532186427]
HybridMIMは3次元医用画像セグメンテーションのためのマスク付き画像モデリングに基づく新しいハイブリッド自己教師型学習手法である。
医用画像の意味情報を3段階に分けて学習し,1)3次元画像の重要な内容を再構成する部分領域予測を行うことにより,トレーニング前の時間負担を大幅に軽減する。
提案するフレームワークは,エンコーダバックボーンとしてCNNとトランスフォーマーの両方をサポートするとともに,イメージセグメンテーションのためのデコーダの事前トレーニングも可能である。
論文 参考訳（メタデータ） (2023-03-18T04:43:12Z) - Semantic-aware One-shot Face Re-enactment with Dense Correspondence
Estimation [100.60938767993088]
ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。
本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
論文 参考訳（メタデータ） (2022-11-23T03:02:34Z) - SSH: A Self-Supervised Framework for Image Harmonization [97.16345684998788]
我々は、編集せずに「自由」な自然画像だけで訓練できる新しい自己改善調和フレームワーク(SSH)を提案する。
提案したSSHは,基準指標,視覚的品質,主観的ユーザスタディにおいて,従来の最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2021-08-15T19:51:33Z) - Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。
当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。
広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
論文 参考訳（メタデータ） (2021-04-25T07:25:16Z) - Learning to Generate Image Source-Agnostic Universal Adversarial
Perturbations [65.66102345372758]
普遍対向摂動(UAP)は複数の画像を同時に攻撃することができる。
既存のUAPジェネレータは、画像が異なる画像ソースから描画される際には未開発である。
数発の学習をカスタマイズした例として,UAP生成の新たな視点を考察する。
論文 参考訳（メタデータ） (2020-09-29T01:23:20Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。