論文の概要: OODFace: Benchmarking Robustness of Face Recognition under Common Corruptions and Appearance Variations

• arxiv url: http://arxiv.org/abs/2412.02479v1
• Date: Tue, 03 Dec 2024 14:42:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:51:47.206184
• Title: OODFace: Benchmarking Robustness of Face Recognition under Common Corruptions and Appearance Variations
• Title（参考訳）: OODFace: 共通の破壊と外観変化による顔認識のロバスト性の評価
• Authors: Caixin Kang, Yubo Chen, Shouwei Ruan, Shiji Zhao, Ruochen Zhang, Jiayi Wang, Shan Fu, Xingxing Wei,
• Abstract要約: 既存のオープンソースモデルと商用アルゴリズムは、特定の現実世界のout-of-Distribution(OOD)シナリオにおいて堅牢性を欠いている。 OODFaceは,顔認識モデルが直面するOOD課題を2つの視点から検討する。 19の異なる顔認識モデルと3つの商用APIに関する広範な実験を行い、フェイスマスクに関する拡張実験を行った。
• 参考スコア（独自算出の注目度）: 21.00631818827379
• License:
• Abstract: With the rise of deep learning, facial recognition technology has seen extensive research and rapid development. Although facial recognition is considered a mature technology, we find that existing open-source models and commercial algorithms lack robustness in certain real-world Out-of-Distribution (OOD) scenarios, raising concerns about the reliability of these systems. In this paper, we introduce OODFace, which explores the OOD challenges faced by facial recognition models from two perspectives: common corruptions and appearance variations. We systematically design 30 OOD scenarios across 9 major categories tailored for facial recognition. By simulating these challenges on public datasets, we establish three robustness benchmarks: LFW-C/V, CFP-FP-C/V, and YTF-C/V. We then conduct extensive experiments on 19 different facial recognition models and 3 commercial APIs, along with extended experiments on face masks, Vision-Language Models (VLMs), and defense strategies to assess their robustness. Based on the results, we draw several key insights, highlighting the vulnerability of facial recognition systems to OOD data and suggesting possible solutions. Additionally, we offer a unified toolkit that includes all corruption and variation types, easily extendable to other datasets. We hope that our benchmarks and findings can provide guidance for future improvements in facial recognition model robustness.
• Abstract（参考訳）: ディープラーニングの台頭に伴い、顔認識技術は広範な研究と急速な発展を遂げてきた。 顔認識は成熟した技術と考えられているが、既存のオープンソースモデルと商用アルゴリズムは、特定の現実世界のアウト・オブ・ディストリビューション(OOD)シナリオにおいて堅牢性に欠けており、これらのシステムの信頼性に対する懸念が高まる。 本稿では,OODFaceを紹介する。OODFaceは,顔認識モデルが直面する課題を,共通の汚職と外観の変化という2つの視点から検討する。 我々は、顔認識に適した9つの主要カテゴリにまたがる30のOODシナリオを体系的に設計した。 公開データセット上でこれらの課題をシミュレートすることにより、LFW-C/V、CFP-FP-C/V、YTF-C/Vという3つの堅牢性ベンチマークを確立する。 次に、19の異なる顔認識モデルと3つの商用APIに関する広範な実験を行い、顔マスク、視覚言語モデル(VLM)、その堅牢性を評価するための防衛戦略を拡張した。 この結果から,OODデータに対する顔認識システムの脆弱性を浮き彫りにし,可能な解決策を提案する。 さらに、他のデータセットに容易に拡張可能な、すべての汚職と変動タイプを含む統合ツールキットも提供しています。 われわれのベンチマークと結果が、顔認識モデルの堅牢性の将来的な改善のためのガイダンスを提供することを期待している。

関連論文リスト

• Local Features Meet Stochastic Anonymization: Revolutionizing Privacy-Preserving Face Recognition for Black-Box Models [54.88064975480573]
  プライバシー保護顔認証(PPFR)の課題は現在、2つの未解決課題に直面している。 グローバルな特徴の破壊と局所的な特徴の強化により,ブラックボックス環境においても効果的に認識できる。 本手法は,ブラックボックスモデルの平均認識精度94.21%を達成し,プライバシ保護とアンチコンストラクションの両面で既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-12-11T10:49:15Z)
• Fairer Analysis and Demographically Balanced Face Generation for Fairer Face Verification [69.04239222633795]
  顔認識と検証は、深層表現の導入によって性能が向上した2つのコンピュータビジョンタスクである。 現実のトレーニングデータセットにおける顔データの繊細な性質とバイアスによる倫理的、法的、技術的な課題は、彼らの開発を妨げる。 公平性を向上する新しい制御された生成パイプラインを導入する。
  論文  参考訳（メタデータ） (2024-12-04T14:30:19Z)
• Generalized Face Liveness Detection via De-fake Face Generator [52.23271636362843]
  以前の顔アンチスプーフィング(FAS)手法は、目に見えない領域に一般化するという課題に直面している。 本稿では,大規模に付加的な現実面を効果的に活用できるAnomalous cue Guided FAS (AG-FAS)法を提案する。 提案手法は,未知のシナリオと未知のプレゼンテーションアタックを用いたクロスドメイン評価において,最先端の結果を実現する。
  論文  参考訳（メタデータ） (2024-01-17T06:59:32Z)
• Analysis of Recent Trends in Face Recognition Systems [0.0]
  クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。 近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
  論文  参考訳（メタデータ） (2023-04-23T18:55:45Z)
• Recognizability Embedding Enhancement for Very Low-Resolution Face Recognition and Quality Estimation [21.423956631978186]
  本研究では,視覚的品質ではなく,埋め込み空間における顔の認識性を高めるための原則的アプローチについて検討する。 まず、頑健な学習に基づく顔認識度尺度、すなわち認識可能性指標(RI)を定式化する。 次に、認識不能な顔クラスタから低RIで埋め込んだ難認識顔を、認識不能な顔クラスタから切り離して、認識可能性の向上を反映した指標変換損失を考案する。
  論文  参考訳（メタデータ） (2023-04-20T03:18:03Z)
• My Face My Choice: Privacy Enhancing Deepfakes for Social Media Anonymization [4.725675279167593]
  仮説的ソーシャルネットワークに3つの顔アクセスモデルを導入し、ユーザーが承認した写真にのみ現れる能力を持つ。 我々のアプローチは、現在のタグ付けシステムを廃止し、未承認の顔を定量的に異なるディープフェイクに置き換える。 その結果,7つのSOTA顔認識器を動作させることで,平均精度を61%削減できることがわかった。
  論文  参考訳（メタデータ） (2022-11-02T17:58:20Z)
• Controllable Evaluation and Generation of Physical Adversarial Patch on Face Recognition [49.42127182149948]
  近年の研究では、顔認証モデルの物理的敵パッチに対する脆弱性が明らかにされている。 本稿では3次元顔モデルを用いて物理世界の顔の複雑な変形をシミュレートする。 さらに、3次元顔変換と現実的な物理的変動を考慮したFace3DAdv法を提案する。
  論文  参考訳（メタデータ） (2022-03-09T10:21:40Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• SER-FIQ: Unsupervised Estimation of Face Image Quality Based on Stochastic Embedding Robustness [15.431761867166]
  任意の顔認識モデルに基づいて顔の質を測定する新しい概念を提案する。 提案手法を,学界と産業界からの6つの最先端アプローチと比較した。
  論文  参考訳（メタデータ） (2020-03-20T16:50:30Z)
• On the Robustness of Face Recognition Algorithms Against Attacks and Bias [78.68458616687634]
  顔認識アルゴリズムは非常に高い認識性能を示しており、現実のアプリケーションに適していることを示唆している。 精度が向上したにもかかわらず、これらのアルゴリズムの攻撃や偏見に対する堅牢性は問題視されている。 本稿では,顔認識アルゴリズムの頑健性に挑戦する様々な方法について要約する。
  論文  参考訳（メタデータ） (2020-02-07T18:21:59Z)

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。