論文の概要: Facial Demorphing via Identity Preserving Image Decomposition

• arxiv url: http://arxiv.org/abs/2408.10993v1
• Date: Tue, 20 Aug 2024 16:42:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 12:55:01.407332
• Title: Facial Demorphing via Identity Preserving Image Decomposition
• Title（参考訳）: 画像分解保存による顔面変形
• Authors: Nitish Shukla, Arun Ross,
• Abstract要約: モルヒネ攻撃検出技術は ボナファイドの情報を抽出しない 参照不要でボナファイドを高精度に回収する手法を提案する。 本手法は, 高品質なボナファイドを定義・忠実度で再構成する。
• 参考スコア（独自算出の注目度）: 10.902536447343465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A face morph is created by combining the face images usually pertaining to two distinct identities. The goal is to generate an image that can be matched with two identities thereby undermining the security of a face recognition system. To deal with this problem, several morph attack detection techniques have been developed. But these methods do not extract any information about the underlying bonafides used to create them. Demorphing addresses this limitation. However, current demorphing techniques are mostly reference-based, i.e, they need an image of one of the identities to recover the other. In this work, we treat demorphing as an ill-posed decomposition problem. We propose a novel method that is reference-free and recovers the bonafides with high accuracy. Our method decomposes the morph into several identity-preserving feature components. A merger network then weighs and combines these components to recover the bonafides. Our method is observed to reconstruct high-quality bonafides in terms of definition and fidelity. Experiments on the CASIA-WebFace, SMDD and AMSL datasets demonstrate the effectiveness of our method.
• Abstract（参考訳）: 通常、2つの異なるアイデンティティに関連する顔画像を組み合わせて顔形態を作成する。 目標は、顔認証システムのセキュリティを損なうために、2つのアイデンティティとマッチング可能な画像を生成することである。 この問題に対処するため、いくつかのモルヒネ攻撃検出技術が開発されている。 しかし、これらの手法は、それらの生成に使用されるボナフィドの基盤に関する情報を抽出しない。 変形はこの制限に対処する。 しかし、現在のデフォーミング技術は、主に参照ベースであり、すなわち、もう一方を回復するためには、アイデンティティの1つをイメージする必要がある。 本研究では,デモルファスを不適切な分解問題として扱う。 参照不要でボナファイドを高精度に回収する手法を提案する。 本手法では,形態をいくつかの特徴成分に分解する。 合併ネットワークは、これらのコンポーネントを重み付け、結合してボナフィドを回収する。 本手法は, 高品質なボナファイドを定義・忠実度で再構成する。 CASIA-WebFace, SMDD, AMSLデータセットを用いた実験により, 本手法の有効性が示された。

関連論文リスト

• dc-GAN: Dual-Conditioned GAN for Face Demorphing From a Single Morph [10.902536447343465]
  そこで本研究では, モーフィック画像に条件付き新規なGANデモルフィック法であるdc-GANを提案する。 提案手法は, 形態の再現性を克服し, ボナフィド画像の高品質な再構成を行う。
  論文  参考訳（メタデータ） (2024-11-20T19:24:30Z)
• LADIMO: Face Morph Generation through Biometric Template Inversion with Latent Diffusion [5.602947425285195]
  顔改ざん攻撃は、顔認識システムに深刻なセキュリティ脅威をもたらす。 本稿では,2つの顔認識の埋め込みにおいて,表現レベルの顔形態形成手法であるLADIMOを提案する。 顔形態変種は個々の攻撃成功率を持ち、形態的攻撃ポテンシャルを最大化できることを示す。
  論文  参考訳（メタデータ） (2024-10-10T14:41:37Z)
• StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
  一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。 私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
  論文  参考訳（メタデータ） (2024-01-29T09:06:15Z)
• Effective Adapter for Face Recognition in the Wild [72.75516495170199]
  私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。 従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。 高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
  論文  参考訳（メタデータ） (2023-12-04T08:55:46Z)
• SDeMorph: Towards Better Facial De-morphing from Single Morph [0.0]
  顔認識システム(FRS)はモルヒネ攻撃に対して脆弱である。 現在のMorph Detection (MAD)は、その形態を検出できるが、その形態を生成するために使われるアイデンティティを回復できない。 SDeMorphは参照のない新しいデモルフィング法であり,ボナファイドのアイデンティティを復元する。
  論文  参考訳（メタデータ） (2023-08-22T13:46:12Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• 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)
• Facial De-morphing: Extracting Component Faces from a Single Morph [12.346914707006773]
  モルヒネ攻撃検出戦略は モルヒネを検出できるが 画像や身元を復元できない そこで本研究では,顔画像から両アイデンティティの画像を同時に復元できる新しいデモーフィング手法を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:02Z)
• Adversarially Perturbed Wavelet-based Morphed Face Generation [16.98806338782858]
  モールフド画像は、顔認識システムを騙して、複数の人を誤って受け入れる。 画像合成が簡単になるにつれて、研究コミュニティの利用可能なデータを拡張することが不可欠である。 両方の手法を用いて、FERET, FRGC, FRLLデータセットから高品質な逆向き摂動を生成する。
  論文  参考訳（メタデータ） (2021-11-03T01:18:29Z)
• DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
  我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。 大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。 同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
  論文  参考訳（メタデータ） (2020-09-20T09:48:24Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。