論文の概要: dc-GAN: Dual-Conditioned GAN for Face Demorphing From a Single Morph

• arxiv url: http://arxiv.org/abs/2411.14494v4
• Date: Fri, 30 May 2025 05:12:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 15:03:33.438325
• Title: dc-GAN: Dual-Conditioned GAN for Face Demorphing From a Single Morph
• Title（参考訳）: dc-GAN:単一形態からの顔変形のためのデュアルコンディション型GAN
• Authors: Nitish Shukla, Arun Ross,
• Abstract要約: 顔変形は、顔形態を構成する原画像の復元を試みる。 dc-GAN(Dual-conditioned GAN)は、画像から抽出された埋め込みと同様に、形態像上に条件付けられた新規な変形法である。 本手法は, 形状再現問題を克服し, 構成像の高忠実度再構成を行う。
• 参考スコア（独自算出の注目度）: 10.902536447343465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A facial morph is an image strategically created by combining two face images pertaining to two distinct identities. The goal is to create a face image that can be matched to two different identities by a face matcher. Face demorphing inverts this process and attempts to recover the original images constituting a facial morph. Existing demorphing techniques have two major limitations: (a) they assume that some identities are common in the train and test sets; and (b) they are prone to the morph replication problem, where the outputs are merely replicates of the input morph. In this paper, we overcome these issues by proposing dc-GAN (dual-conditioned GAN), a novel demorphing method conditioned on the morph image as well as the embedding extracted from the image. Our method overcomes the morph replication problem and produces high-fidelity reconstructions of the constituent images. Moreover, the proposed method is highly generalizable and applicable to both reference-based and reference-free demorphing methods. Experiments were conducted using the AMSL, FRLL-Morphs, and MorDiff datasets to demonstrate the efficacy of the method.
• Abstract（参考訳）: 顔形態とは、2つの異なるアイデンティティに関連する2つの顔画像を組み合わせて戦略的に生成した画像である。 目標は、顔マーカによって2つの異なるIDにマッチできる顔画像を作ることだ。 顔変形はこの過程を逆転させ、顔形態を構成する原画像の復元を試みる。 既存の変形技術には2つの大きな制限がある。 (a)列車及びテストセットにおいて、一部のアイデンティティが一般的であると仮定し、 b) 出力は入力モーフの単なる複製であるモルフ複製問題に起因している。 本稿では,モーフィック画像上に条件付された新しいデモルフィック法であるdc-GAN(Dual-conditioned GAN)と,画像から抽出した埋め込みを提案することで,これらの問題を克服する。 本手法は, 形状再現問題を克服し, 構成像の高忠実度再構成を行う。 さらに,提案手法は,参照ベースおよび参照フリーなデモルファス法の両方に適用可能である。 AMSL, FRLL-MorphsおよびMorDiffデータセットを用いて実験を行い, 本手法の有効性を実証した。

関連論文リスト

• 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)
• Facial Demorphing via Identity Preserving Image Decomposition [10.902536447343465]
  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。
  論文  参考訳（メタデータ） (2024-08-20T16:42:11Z)
• Arc2Face: A Foundation Model for ID-Consistent Human Faces [95.00331107591859]
  Arc2Faceは、ID条件のフェイスファンデーションモデルである。 既存のモデルと無矛盾の顔類似度で、多様なフォトリアリスティック画像を生成することができる。
  論文  参考訳（メタデータ） (2024-03-18T10:32:51Z)
• 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)
• Single-Shot Implicit Morphable Faces with Consistent Texture Parameterization [91.52882218901627]
  本稿では,3次元形態素な顔モデルを構築するための新しい手法を提案する。 本手法は, 最先端手法と比較して, フォトリアリズム, 幾何, 表現精度を向上する。
  論文  参考訳（メタデータ） (2023-05-04T17:58:40Z)
• 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)
• FT-TDR: Frequency-guided Transformer and Top-Down Refinement Network for Blind Face Inpainting [77.78305705925376]
  ブラインド・フェイス・インペインティング(ブラインド・フェイス・インペインティング)とは、顔画像の劣化した領域を明確に示さずに、視覚コンテンツを再構築する作業である。 本稿では、これらの課題に対処するために、周波数誘導変換器とTop-Down Refinement Network(FT-TDR)と呼ばれる新しい2段階ブラインドフェイス塗装法を提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:12:01Z)
• Disentangled Lifespan Face Synthesis [100.29058545878341]
  ライフスパン顔合成(LFS)モデルは、1つのスナップショットのみを基準として、人の人生全体の写真リアル顔画像のセットを作成することを目的としている。 対象年齢コードから生成された顔画像は, 形状やテクスチャの生鮮やかな変換によって, 年齢に敏感に反映されることが期待される。 これは、エンコーダから形状、テクスチャ、アイデンティティの特徴を別々に抽出することで達成される。
  論文  参考訳（メタデータ） (2021-08-05T22:33:14Z)
• Can GAN Generated Morphs Threaten Face Recognition Systems Equally as Landmark Based Morphs? -- Vulnerability and Detection [22.220940043294334]
  本稿では,新たなGAN(Generative Adversarial Network)-StyleGANを用いた顔形態生成フレームワークを提案する。 2500枚の顔画像が新たに作成された形態データセットでは、この研究に批判的な疑問が浮かび上がっている。
  論文  参考訳（メタデータ） (2020-07-07T16:52:56Z)
• Fine-grained Image-to-Image Transformation towards Visual Recognition [102.51124181873101]
  我々は,入力画像の同一性を保った画像を生成するために,微細なカテゴリで画像を変換することを目的としている。 我々は、画像のアイデンティティと非関連要因をアンハングルするために、生成的敵ネットワークに基づくモデルを採用する。 CompCarsとMulti-PIEデータセットの実験では、我々のモデルが生成した画像のアイデンティティを、最先端の画像-画像変換モデルよりもはるかによく保存していることが示された。
  論文  参考訳（メタデータ） (2020-01-12T05:26:47Z)

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。