論文の概要: Inverting Black-Box Face Recognition Systems via Zero-Order Optimization in Eigenface Space

• arxiv url: http://arxiv.org/abs/2506.09777v1
• Date: Wed, 11 Jun 2025 14:15:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:03.042622
• Title: Inverting Black-Box Face Recognition Systems via Zero-Order Optimization in Eigenface Space
• Title（参考訳）: 固有面空間におけるゼロ次最適化によるブラックボックス顔認識システム
• Authors: Anton Razzhigaev, Matvey Mikhalchuk, Klim Kireev, Igor Udovichenko, Andrey Kuznetsov, Aleksandr Petiushko,
• Abstract要約: ブラックボックス認識モデルから顔画像を再構築することは、重大なプライバシー上の脅威となる。 そこで本研究では,PCA由来の固有面空間内でゼロ階最適化を行うことにより,カラー顔の再構成を行うDarkerBBを提案する。 LFW、AgeDB-30、FPベンチマークの実験では、DarkerBBは類似性のみの環境で、競合クエリ効率で最先端の検証精度を達成している。
• 参考スコア（独自算出の注目度）: 43.698488201196746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing facial images from black-box recognition models poses a significant privacy threat. While many methods require access to embeddings, we address the more challenging scenario of model inversion using only similarity scores. This paper introduces DarkerBB, a novel approach that reconstructs color faces by performing zero-order optimization within a PCA-derived eigenface space. Despite this highly limited information, experiments on LFW, AgeDB-30, and CFP-FP benchmarks demonstrate that DarkerBB achieves state-of-the-art verification accuracies in the similarity-only setting, with competitive query efficiency.
• Abstract（参考訳）: ブラックボックス認識モデルから顔画像を再構築することは、重大なプライバシー上の脅威となる。 多くのメソッドは埋め込みへのアクセスを必要とするが、類似度スコアのみを使用してモデル反転のより困難なシナリオに対処する。 そこで本研究では,PCA由来の固有面空間内でゼロ階最適化を行うことにより,カラー顔の再構成を行うDarkerBBを提案する。 この非常に限られた情報にもかかわらず、LFW、 AgeDB-30、CFP-FPベンチマークの実験は、DarkerBBが類似性のみの設定で最先端の検証精度を達成し、競合クエリ効率が向上することを示した。

関連論文リスト

• xEdgeFace: Efficient Cross-Spectral Face Recognition for Edge Devices [4.910937238451485]
  Heterogeneous Face Recognition (HFR) は、異なる知覚モードにわたる顔画像のマッチングという課題に対処する。 ハイブリッドCNN-Transformerアーキテクチャを適用し,軽量かつ効果的なHFRフレームワークを提案する。 提案手法は,RGBの顔認識タスクにおいて高い性能を保ちながら,最小対の異種データを用いた効率的なエンドツーエンドトレーニングを実現する。
  論文  参考訳（メタデータ） (2025-04-28T10:03:11Z)
• ZIP: An Efficient Zeroth-order Prompt Tuning for Black-box Vision-Language Models [14.137615267026755]
  そこで本研究では,ゼロ階内在次元のプロンプトチューニングを提案し,ブラックボックス設定で高速かつロバストなプロンプト最適化を実現する。 標準ベンチマークで13以上の視覚言語タスクに対するZIPを評価し, 精度が約6%向上し, クエリ効率が48%向上したことを示す。
  論文  参考訳（メタデータ） (2025-04-09T12:56:22Z)
• Confidence-Aware RGB-D Face Recognition via Virtual Depth Synthesis [48.59382455101753]
  2D顔認証は、照明、閉塞、ポーズの変化により、制約のない環境において課題に遭遇する。 近年の研究では、深度情報を組み込んだRGB-D顔認証に焦点が当てられている。 本研究では,まず,深度モデル事前学習のための3次元Morphable Modelsによって生成された多様な深度データセットを構築する。 そこで本研究では,手軽に利用できるRGBと深度モデルを利用したドメイン非依存の事前学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-11T09:12:24Z)
• Enhancing Generalization of Invisible Facial Privacy Cloak via Gradient Accumulation [46.81652932809355]
  通常のユーザのすべてのイメージに対して,新たなタイプの対向的プライバシクローク(クラスユニバーサル)を適用することができる。 本稿では,複数の小バッチ勾配を1段階の反復勾配に集約し,勾配安定性を高め,量子化演算を減少させるグラディエント累積法を提案する。 実験の結果,提案手法はブラックボックスの顔認識モデルに対して,プライバシ・コモンズ・データセット上で高い性能を示すことがわかった。
  論文  参考訳（メタデータ） (2024-01-03T07:00:32Z)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• Fine-Grained Visual Prompting [35.032567257651515]
  Fine-Grained Visual Prompting (FGVP) は参照表現のゼロショット理解において優れた性能を示す。 RefCOCO+ testAサブセットで最大12.5%改善され、平均マージンが3.0%から4.6%向上した。
  論文  参考訳（メタデータ） (2023-06-07T11:39:56Z)
• Blind Face Restoration: Benchmark Datasets and a Baseline Model [63.053331687284064]
  Blind Face Restoration (BFR) は、対応する低品質 (LQ) 入力から高品質 (HQ) の顔画像を構築することを目的としている。 EDFace-Celeb-1M (BFR128) と EDFace-Celeb-150K (BFR512) と呼ばれる2つのブラインドフェイス復元ベンチマークデータセットを最初に合成する。 最先端の手法は、ブラー、ノイズ、低解像度、JPEG圧縮アーティファクト、それらの組み合わせ(完全な劣化)の5つの設定でベンチマークされる。
  論文  参考訳（メタデータ） (2022-06-08T06:34:24Z)
• Darker than Black-Box: Face Reconstruction from Similarity Queries [65.62256987706128]
  ブラックボックスモデルの類似点のみを問う顔クエリを再構築する手法を提案する。 提案アルゴリズムはより一般的な設定で動作するが,提案手法はクエリ効率が良く,既存の手法よりも優れていることを示す実験である。
  論文  参考訳（メタデータ） (2021-06-27T17:25:46Z)
• Black-Box Face Recovery from Identity Features [61.950765357647605]
  我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。 我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
  論文  参考訳（メタデータ） (2020-07-27T15:25:38Z)

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。