論文の概要: Generating Automatically Print/Scan Textures for Morphing Attack Detection Applications
- arxiv url: http://arxiv.org/abs/2408.09558v1
- Date: Sun, 18 Aug 2024 17:53:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 18:14:04.007765
- Title: Generating Automatically Print/Scan Textures for Morphing Attack Detection Applications
- Title（参考訳）: モーフィング検出用自動印刷・スキャンテクスチャの生成
- Authors: Juan E. Tapia, Maximilian Russo, Christoph Busch,
- Abstract要約: 主なシナリオの1つは、モルヒネ画像を印刷し、パスポートアプリケーションプロセスで各プリントを送信することである。
プライバシー上の懸念から、MADアルゴリズムをトレーニングするための小さなデータセットが利用可能だ。
本稿では,デジタル印刷/スキャン顔画像の自動生成のための転送転送に基づく2つの異なる手法を提案する。
- 参考スコア（独自算出の注目度）: 7.287930923353593
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Morphing Attack Detection (MAD) is a relevant topic that aims to detect attempts by unauthorised individuals to access a "valid" identity. One of the main scenarios is printing morphed images and submitting the respective print in a passport application process. Today, small datasets are available to train the MAD algorithm because of privacy concerns and the limitations resulting from the effort associated with the printing and scanning of images at large numbers. In order to improve the detection capabilities and spot such morphing attacks, it will be necessary to have a larger and more realistic dataset representing the passport application scenario with the diversity of devices and the resulting printed scanned or compressed images. Creating training data representing the diversity of attacks is a very demanding task because the training material is developed manually. This paper proposes two different methods based on transfer-transfer for automatically creating digital print/scan face images and using such images in the training of a Morphing Attack Detection algorithm. Our proposed method can reach an Equal Error Rate (EER) of 3.84% and 1.92% on the FRGC/FERET database when including our synthetic and texture-transfer print/scan with 600 dpi to handcrafted images, respectively.
- Abstract（参考訳）: モルフィング攻撃検出(英: Morphing Attack Detection、MAD)は、無許可の個人による「無効」なアイデンティティへのアクセスの試みを検出することを目的とした、関連するトピックである。
主なシナリオの1つは、モルヒネ画像を印刷し、パスポートアプリケーションプロセスで各プリントを送信することである。
今日では、プライバシー上の懸念と、大量の画像の印刷とスキャンに関わる労力による制限のために、MADアルゴリズムをトレーニングするための小さなデータセットが提供されている。
このようなモーフィング攻撃を検知し検出するためには、パスポートアプリケーションシナリオを表すより大きな、より現実的なデータセットと、デバイスやプリントされたスキャンされた画像、圧縮された画像の多様性を備える必要がある。
トレーニング資料を手作業で開発するため,攻撃の多様性を表すトレーニングデータの作成は非常に要求の多い作業である。
本稿では,デジタル印刷/スキャン顔画像の自動生成と,モーフィング攻撃検出アルゴリズムの訓練における2つの異なる手法を提案する。
提案手法は,600dpiの合成およびテクスチャトランスファー印刷/スキャンを手作り画像に含めると,FRGC/FERETデータベース上で3.84%,1.92%の誤差率(EER)に達することができる。
関連論文リスト
- Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。
それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。
以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文 参考訳（メタデータ） (2024-11-12T01:17:27Z) - Dealing with Subject Similarity in Differential Morphing Attack Detection [4.3659108218579545]
我々は,信頼されたライブキャプチャー(通常犯罪者を表す)を文書画像と比較し,それを形態的またはボナフィドとして分類する微分MAD(D-MAD)に焦点を当てた。
形態素画像とライブ画像が十分に多様である場合に、識別特徴に基づくこれらのアプローチが有効であることを示す。
ACIdA, モジュール型分類のためのモジュールと, 入力画像の識別とアーティファクト解析のための2つのモジュールからなるモジュール型D-MADシステムを提案する。
論文 参考訳（メタデータ） (2024-04-11T12:00:06Z) - PhotoMaker: Customizing Realistic Human Photos via Stacked ID Embedding [102.07914175196817]
PhotoMakerは、効率的なパーソナライズされたテキスト・ツー・イメージ生成方法である。
任意の数の入力ID画像をスタックID埋め込みに符号化し、ID情報を保存する。
論文 参考訳（メタデータ） (2023-12-07T17:32:29Z) - DIAGNOSIS: Detecting Unauthorized Data Usages in Text-to-image Diffusion Models [79.71665540122498]
保護されたデータセットにインジェクトされたコンテンツを配置することで、不正なデータ利用を検出する手法を提案する。
具体的には、ステルス画像ワープ機能を用いて、これらの画像にユニークな内容を追加することにより、保護された画像を修正する。
このモデルが注入されたコンテンツを記憶したかどうかを解析することにより、不正に不正に使用したモデルを検出することができる。
論文 参考訳（メタデータ） (2023-07-06T16:27:39Z) - Human-imperceptible, Machine-recognizable Images [76.01951148048603]
より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。
画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。
提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
論文 参考訳（メタデータ） (2023-06-06T13:41:37Z) - Synthetic ID Card Image Generation for Improving Presentation Attack
Detection [12.232059909207578]
本研究は,不正検出ネットワークを訓練しながら,データ量を増やすために,IDカード画像を合成的に生成する3つの手法について検討する。
以上の結果から, PAIS (Print/Scan Presentation Attack Instrument Species) の性能低下や, PAIS (Sing/Scan Presentation Instrument Species) の性能低下を伴わずに, 合成画像でデータベースを補足できることが示唆された。
論文 参考訳（メタデータ） (2022-10-31T19:07:30Z) - PW-MAD: Pixel-wise Supervision for Generalized Face Morphing Attack
Detection [6.24950085812444]
顔変形攻撃画像は複数のアイデンティティに検証できるため、境界チェックのようなアイデンティティ検証に基づくプロセスに対する大きな脆弱性となる。
しかし、顔の変形を検知する様々な方法が提案されているが、予期せぬ後変態過程への一般化性は低い。
主要なポストモーフィングプロセスは、パスポートやID文書を発行する際、多くの国で実施される印刷およびスキャン操作である。
論文 参考訳（メタデータ） (2021-08-23T17:04:51Z) - Variable-Rate Deep Image Compression through Spatially-Adaptive Feature
Transform [58.60004238261117]
空間特徴変換(SFT arXiv:1804.02815)に基づく多目的深部画像圧縮ネットワークを提案する。
本モデルは,任意の画素単位の品質マップによって制御される単一モデルを用いて,幅広い圧縮速度をカバーしている。
提案するフレームワークにより,様々なタスクに対してタスク対応の画像圧縮を行うことができる。
論文 参考訳（メタデータ） (2021-08-21T17:30:06Z) - M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。
本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。
最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
論文 参考訳（メタデータ） (2021-04-20T05:43:44Z) - Printing and Scanning Attack for Image Counter Forensics [11.193867567895353]
画像の真正性を調べることは、操作ツールがよりアクセスしやすく、進歩するにつれて、ますます重要になっている。
近年の研究では、CNNをベースとした画像検出装置は操作の特定に成功しているが、敵の攻撃にも弱いことが示されている。
我々は、印刷とスキャンという、非常に確実な攻撃方法を探究する。
論文 参考訳（メタデータ） (2020-04-27T00:32:15Z) - A Novel Inspection System For Variable Data Printing Using Deep Learning [0.9176056742068814]
超低偽アラームレート(0.005%)で可変データプリント(VDP)を検査するための新しい手法を提案する。
このシステムは、参照画像と低コストスキャナーによってキャプチャされた画像の2つの画像の比較に基づいている。
論文 参考訳（メタデータ） (2020-01-13T15:07:13Z)
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。