Fugu-MT 論文翻訳(概要): DiffFAS: Face Anti-Spoofing via Generative Diffusion Models

論文の概要: DiffFAS: Face Anti-Spoofing via Generative Diffusion Models

arxiv url: http://arxiv.org/abs/2409.08572v1
Date: Fri, 13 Sep 2024 06:45:23 GMT
ステータス: 処理完了
システム内更新日: 2024-09-16 17:28:47.654301
Title: DiffFAS: Face Anti-Spoofing via Generative Diffusion Models
Title（参考訳）: DiffFAS: 生成拡散モデルによる対面防止
Authors: Xinxu Ge, Xin Liu, Zitong Yu, Jingang Shi, Chun Qi, Jie Li, Heikki Kälviäinen,
Abstract要約: Face Anti-Spoofing (FAS) は、顔認証システム(FR)が提示攻撃を防ぐ上で重要な役割を担っている。画像の品質変化に対応するために,ネットワークに入力された事前情報として品質を定量化するDiffFASフレームワークを提案する。クロスドメインなFASデータセットとクロスアタックなFASデータセットに対する我々のフレームワークの有効性を実証する。
参考スコア（独自算出の注目度）: 27.533334690705733
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Face anti-spoofing (FAS) plays a vital role in preventing face recognition (FR) systems from presentation attacks. Nowadays, FAS systems face the challenge of domain shift, impacting the generalization performance of existing FAS methods. In this paper, we rethink about the inherence of domain shift and deconstruct it into two factors: image style and image quality. Quality influences the purity of the presentation of spoof information, while style affects the manner in which spoof information is presented. Based on our analysis, we propose DiffFAS framework, which quantifies quality as prior information input into the network to counter image quality shift, and performs diffusion-based high-fidelity cross-domain and cross-attack types generation to counter image style shift. DiffFAS transforms easily collectible live faces into high-fidelity attack faces with precise labels while maintaining consistency between live and spoof face identities, which can also alleviate the scarcity of labeled data with novel type attacks faced by nowadays FAS system. We demonstrate the effectiveness of our framework on challenging cross-domain and cross-attack FAS datasets, achieving the state-of-the-art performance. Available at https://github.com/murphytju/DiffFAS.
Abstract（参考訳）: Face Anti-Spoofing (FAS) は、顔認証システム(FR)が提示攻撃を阻止する上で重要な役割を担っている。現在、FASシステムはドメインシフトの課題に直面しており、既存のFAS手法の一般化性能に影響を与えている。本稿では,ドメインシフトの因果性を再考し,イメージスタイルと画質の2つの要素に分解する。品質はスプーフ情報の提示の純度に影響を与え、スタイルはスプーフ情報の提示方法に影響を及ぼす。本稿では,画像品質シフトに対応するためにネットワークに入力された事前情報として品質を定量化するDiffFASフレームワークを提案し,画像スタイルシフトに対応するために拡散型高忠実なクロスドメインとクロスアタック型の生成を行う。 DiffFASは、ライブとスプーフの顔のアイデンティティの整合性を維持しつつ、容易に収集可能なライブ顔から高精度なラベル付き高忠実な攻撃顔へと変換し、また、現在のFASシステムで直面している新しいタイプの攻撃によるラベル付きデータの不足を軽減できる。我々は, クロスドメインおよびクロスアタックFASデータセットに対するフレームワークの有効性を実証し, 最先端の性能を実現する。 https://github.com/murphytju/DiffFAS.comで入手できる。

関連論文リスト

Towards Data-Centric Face Anti-Spoofing: Improving Cross-domain Generalization via Physics-based Data Synthesis [64.46312434121455]
Face Anti-Spoofing (FAS) 研究は、トレーニングデータとテストデータの間にドメインギャップがあるクロスドメイン問題によって難題となっている。本研究では,タスク固有のFASデータ拡張(FAS-Aug)を提案する。また,特定の種類のアーティファクトをモデルが依存しないようにし,一般化性能を向上させるために,SARE(Spowing Attack Risk Equalization)を提案する。
論文参考訳（メタデータ） (2024-09-04T01:45:18Z)
Adversarial Attacks on Both Face Recognition and Face Anti-spoofing Models [47.72177312801278]
顔認識(FR)システムに対するアドリアック攻撃は、純粋なFRモデルの妥協に非常に効果的であることが証明されている。本稿では, FR モデルと Face Anti-Spoofing (FAS) モデルの両方を同時に攻撃する新しい設定を提案する。我々は、FRモデルとFASモデルの両方に対するブラックボックス攻撃のキャパシティを改善するために、スタイル整列分散バイアス(SDB)と呼ばれる新しいアタック手法を導入する。
論文参考訳（メタデータ） (2024-05-27T08:30:29Z)
A visualization method for data domain changes in CNN networks and the optimization method for selecting thresholds in classification tasks [1.1118946307353794]
Face Anti-Spoofing (FAS) は、顔認識技術のセキュリティを維持する上で重要な役割を担っている。偽造顔生成技術の台頭に伴い、デジタル編集された顔が反偽造に直面する課題がエスカレートしている。本稿では,データセット上での予測結果を可視化することにより,モデルのトレーニング結果を直感的に反映する可視化手法を提案する。
論文参考訳（メタデータ） (2024-04-19T03:12:17Z)
FaceCat: Enhancing Face Recognition Security with a Unified Diffusion Model [30.0523477092216]
対面防止(FAS)と対向検出(FAD)は、顔認識システムの安全性を確保するための重要な技術であると考えられている。本研究の目的は,1) 顔下特徴表現と2) トレーニングデータの不足という2つの主要な障害を突破することで,この目標を達成することである。
論文参考訳（メタデータ） (2024-04-14T09:01:26Z)
DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
論文参考訳（メタデータ） (2024-03-27T11:32:44Z)
Generalized Face Liveness Detection via De-spoofing Face Generator [58.7043386978171]
以前のFace Anti-Spoofing (FAS) の作業は、目に見えない領域における一般化という課題に直面している。 De-spoofing Face Generator (DFG) によるモデル一般化を改善するために, 現実の顔を利用する Anomalous cue Guided FAS (AG-FAS) 方式を実行する。次に,Anomalous cue Guided FAS feature extract Network (AG-Net)を提案する。
論文参考訳（メタデータ） (2024-01-17T06:59:32Z)
Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
論文参考訳（メタデータ） (2023-12-18T15:25:23Z)
NeRFTAP: Enhancing Transferability of Adversarial Patches on Face Recognition using Neural Radiance Fields [15.823538329365348]
本稿では、FRモデルへの転送可能性と被害者の顔画像の両方を考慮し、新たな敵攻撃法を提案する。我々は,敵パッチの転送可能性を高めるために,ソースと対象対象のための新しいビューフェイス画像を生成する。本研究は, FRシステムの強靭性向上に有用な知見を提供する。
論文参考訳（メタデータ） (2023-11-29T03:17:14Z)
A Closer Look at Geometric Temporal Dynamics for Face Anti-Spoofing [13.725319422213623]
顔認識システムにはFAS(face anti-spoofing)が不可欠である。本稿では,通常動作と異常動作を区別するGeometry-Aware Interaction Network (GAIN)を提案する。提案手法は,標準内部およびクロスデータセット評価における最先端性能を実現する。
論文参考訳（メタデータ） (2023-06-25T18:59:52Z)
Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。提案手法は,最先端の手法よりも自然な画像を生成する。
論文参考訳（メタデータ） (2023-05-22T23:50:43Z)
PatchNet: A Simple Face Anti-Spoofing Framework via Fine-Grained Patch Recognition [13.840830140721462]
フェース・アンチ・スプーフィング(FAS)は、提示攻撃から顔認識システムを保護する上で重要な役割を担っている。そこで本稿では,顔の偽造をきめ細かなパッチ型認識問題として再構成するPatchNetを提案する。
論文参考訳（メタデータ） (2022-03-27T15:16:17Z)

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。