論文の概要: A Test Suite for Efficient Robustness Evaluation of Face Recognition Systems

• arxiv url: http://arxiv.org/abs/2504.21420v1
• Date: Wed, 30 Apr 2025 08:27:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:49:22.113247
• Title: A Test Suite for Efficient Robustness Evaluation of Face Recognition Systems
• Title（参考訳）: 顔認識システムのロバスト性評価のためのテストスイート
• Authors: Ruihan Zhang, Jun Sun,
• Abstract要約: RobFaceは、顔認識システムの堅牢性を評価するための効率的で使いやすい方法である。 これには、顔認識システムの堅牢性を包括的に評価するように設計された、転送可能な対向顔画像が含まれている。 私たちの知る限り、RobFaceはシステムに依存しない最初のロバストネス推定テストスイートです。
• 参考スコア（独自算出の注目度）: 3.350980549219263
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face recognition is a widely used authentication technology in practice, where robustness is required. It is thus essential to have an efficient and easy-to-use method for evaluating the robustness of (possibly third-party) trained face recognition systems. Existing approaches to evaluating the robustness of face recognition systems are either based on empirical evaluation (e.g., measuring attacking success rate using state-of-the-art attacking methods) or formal analysis (e.g., measuring the Lipschitz constant). While the former demands significant user efforts and expertise, the latter is extremely time-consuming. In pursuit of a comprehensive, efficient, easy-to-use and scalable estimation of the robustness of face recognition systems, we take an old-school alternative approach and introduce RobFace, i.e., evaluation using an optimised test suite. It contains transferable adversarial face images that are designed to comprehensively evaluate a face recognition system's robustness along a variety of dimensions. RobFace is system-agnostic and still consistent with system-specific empirical evaluation or formal analysis. We support this claim through extensive experimental results with various perturbations on multiple face recognition systems. To our knowledge, RobFace is the first system-agnostic robustness estimation test suite.
• Abstract（参考訳）: 顔認識は、堅牢性を必要とする、実際に広く使われている認証技術である。 したがって、(おそらくサードパーティ)訓練された顔認識システムの堅牢性を評価するために、効率的で使いやすい方法を持つことが不可欠である。 顔認識システムのロバスト性を評価する既存のアプローチは、経験的評価(例:最先端の攻撃方法を用いた攻撃成功率の測定)または形式解析(例:リプシッツ定数の測定)に基づいている。 前者はかなりのユーザー努力と専門知識を必要とするが、後者は非常に時間がかかる。 顔認識システムのロバスト性を包括的,効率的,使いやすく,スケーラブルに評価するために,従来の代替手法,すなわち最適化テストスイートを用いた評価を導入する。 これには、様々な次元に沿って顔認識システムの堅牢性を包括的に評価するように設計された、転送可能な対向顔画像が含まれている。 RobFaceはシステムに依存しないが、システム固有の経験的評価や形式解析と一致している。 我々は,複数の顔認識システムにおける様々な摂動による広範な実験結果を通じて,この主張を支持している。 私たちの知る限り、RobFaceはシステムに依存しない最初のロバストネス推定テストスイートです。

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)
• TetraLoss: Improving the Robustness of Face Recognition against Morphing Attacks [6.492755549391469]
  顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。 フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。 本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-21T21:04:05Z)
• 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)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• ScaleFace: Uncertainty-aware Deep Metric Learning [2.7383076864024636]
  計算コストをほとんど加えずに不確実性を直接推定できる深度計量学習手法を提案する。 textitScaleFaceアルゴリズムは、埋め込み空間の類似性を変更するトレーニング可能なスケール値を使用する。 本研究では,他の不確実性を認識した顔認識手法と比較して,ScaleFaceの優れた性能を示す顔認識タスクに関する総合的な実験を行う。
  論文  参考訳（メタデータ） (2022-09-05T10:27:16Z)
• Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
  本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
  論文  参考訳（メタデータ） (2021-06-08T05:25:03Z)
• FACESEC: A Fine-grained Robustness Evaluation Framework for Face Recognition Systems [49.577302852655144]
  FACESECは、顔認識システムのきめ細かい堅牢性評価のためのフレームワークです。 5つの顔認識システムをクローズド設定とオープン設定の両方で検討します。 ニューラルネットワークの正確な知識は、ブラックボックス攻撃におけるトレーニングデータの知識よりもはるかに重要である。
  論文  参考訳（メタデータ） (2021-04-08T23:00:25Z)
• Face recognition using PCA integrated with Delaunay triangulation [0.0]
  本研究は,主成分分析とDlaunay Triangulationの統合について検討した。 この方法は、一組の顔ランドマークポイントを三角測量し、提供された画像の固有顔を取得する。 アルゴリズムを従来のPCAと比較し、有効な認識率を提供するために、異なる顔のランドマークポイントを含めることについて議論する。
  論文  参考訳（メタデータ） (2020-11-25T14:46:08Z)
• 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)
• The Elements of End-to-end Deep Face Recognition: A Survey of Recent Advances [56.432660252331495]
  顔認識はコンピュータビジョンにおいて最も人気があり、長く続いたトピックの1つである。 ディープフェイス認識は目覚ましい進歩を遂げ、多くの現実世界のアプリケーションで広く利用されている。 本稿では,各要素の最近の進歩を概観する。
  論文  参考訳（メタデータ） (2020-09-28T13:02:17Z)
• 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)

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。