論文の概要: Assessing the Viability of Synthetic Physical Copy Detection Patterns on Different Imaging Systems

• arxiv url: http://arxiv.org/abs/2410.02575v1
• Date: Thu, 3 Oct 2024 15:21:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 02:22:08.476631
• Title: Assessing the Viability of Synthetic Physical Copy Detection Patterns on Different Imaging Systems
• Title（参考訳）: 異なるイメージングシステムにおける合成物理コピー検出パターンの実用性の評価
• Authors: Roman Chaban, Brian Pulfer, Slava Voloshynovskiy,
• Abstract要約: 本稿では,CDP (Synthetic physical Copy Detection Patterns) の可能性を探り,反偽造防止システムのロバスト性を改善する。 合成物理CDPを活用することにより,様々な実世界のアプリケーションにおけるセキュリティとコスト効率の向上を目指す。
• 参考スコア（独自算出の注目度）: 4.156535226615695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper explores the potential of synthetic physical Copy Detection Patterns (CDP) to improve the robustness of anti-counterfeiting systems. By leveraging synthetic physical CDP, we aim at enhancing security and cost-effectiveness across various real-world applications. Our research demonstrates that synthetic CDP offer substantial improvements in authentication accuracy compared to one based on traditional digital templates. We conducted extensive tests using both a scanner and a diverse range of mobile phones, validating our approach through ROC analysis. The results indicate that synthetic CDP can reliably differentiate between original and fake samples, making this approach a viable solution for real-world applications, though requires an additional research to make this technology scalable across a variety of imaging devices.
• Abstract（参考訳）: 本稿では,CDP (Synthetic physical Copy Detection Patterns) の可能性を探り,反偽造防止システムのロバスト性を改善する。 合成物理CDPを活用することにより,様々な実世界のアプリケーションにおけるセキュリティとコスト効率の向上を目指す。 本研究は,従来のデジタルテンプレートをベースとしたCDPに比べて,認証精度が大幅に向上したことを示す。 我々は,スキャナと多種多様な携帯電話を用いて広範囲なテストを行い,ROC分析によるアプローチの検証を行った。 結果は、合成CDPが元のサンプルと偽のサンプルとを確実に区別できることを示し、このアプローチを現実のアプリケーションにとって実行可能なソリューションにするが、この技術を様々なイメージングデバイスでスケーラブルにするためには、さらなる研究が必要であることを示唆している。

関連論文リスト

• SONAR: A Synthetic AI-Audio Detection Framework and Benchmark [59.09338266364506]
  SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。 最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供することを目的としている。 従来のモデルとファンデーションベースのディープフェイク検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
  論文  参考訳（メタデータ） (2024-10-06T01:03:42Z)
• Provable Performance Guarantees of Copy Detection Patterns [4.671529048076975]
  コピー検出パターン(CDP)は、現代のセキュリティアプリケーションにおいて重要な要素である。 本稿では,CDP認証技術の分析,最適化,今後の発展のための最適基準を導出するための理論的枠組みを確立することを目的とする。
  論文  参考訳（メタデータ） (2024-09-26T08:55:44Z)
• Fully Automated OCT-based Tissue Screening System [5.646346784449182]
  このシステムは、カスタムデザインの電動プラットフォームと、サンプルを横断する自動的、連続的なイメージングのための組織検出機能を備えている。 この完全に自動化されたOCTベースのシステムは、組織スクリーニングの大幅な進歩を示し、薬物発見を変革することを約束している。
  論文  参考訳（メタデータ） (2024-05-15T14:56:17Z)
• Paired Diffusion: Generation of related, synthetic PET-CT-Segmentation scans using Linked Denoising Diffusion Probabilistic Models [0.0]
  本研究では,複数のPET-CT-腫瘍マスクペアをペアネットワークと条件エンコーダを用いて生成できる新しいアーキテクチャを提案する。 我々のアプローチには、DDPMサンプリング一貫性を改善するための革新的で時間的なステップ制御機構とノイズ探索戦略が含まれる。
  論文  参考訳（メタデータ） (2024-03-26T14:21:49Z)
• DiffFinger: Advancing Synthetic Fingerprint Generation through Denoising Diffusion Probabilistic Models [0.0]
  本研究では,Denoising Diffusion Probabilistic Models (DDPMs) を用いた合成指紋画像の生成について検討する。 以上の結果から,DiffFingerは高品質なトレーニングデータセットと競合するだけでなく,よりリッチなバイオメトリックデータも提供し,真から生への多様性を反映していることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T14:34:29Z)
• GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
  フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。 公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。 我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
  論文  参考訳（メタデータ） (2024-02-03T03:13:50Z)
• A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
  本稿では,DAF(Disdisrepancy Aware Framework)を提案する。 本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。 単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
  論文  参考訳（メタデータ） (2023-10-11T15:21:40Z)
• Stochastic Digital Twin for Copy Detection Patterns [6.5247605335587915]
  コピー検出パターン (CDP) は偽造防止に有効である。 コンピュータモデリングの最近の進歩、特に「デジタルツイン」の概念は、拡張性を高める。 本稿では,CDPのための機械学習ベースのデジタルツインを用いて,印刷画像チャネルをモデル化した以前の研究を拡張した。
  論文  参考訳（メタデータ） (2023-09-28T21:38:21Z)
• SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
  本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
  論文  参考訳（メタデータ） (2022-09-02T16:45:46Z)
• Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
  まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。 眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。 IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
  論文  参考訳（メタデータ） (2021-03-30T01:30:08Z)
• Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
  本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。 システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
  論文  参考訳（メタデータ） (2021-01-11T08:14:35Z)

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。