Fugu-MT 論文翻訳(概要): StableMorph: High-Quality Face Morph Generation with Stable Diffusion

論文の概要: StableMorph: High-Quality Face Morph Generation with Stable Diffusion

arxiv url: http://arxiv.org/abs/2511.08090v1
Date: Wed, 12 Nov 2025 01:39:05 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-12 20:17:03.638455
Title: StableMorph: High-Quality Face Morph Generation with Stable Diffusion
Title（参考訳）: StableMorph: 安定拡散による高品質顔モフ生成
Authors: Wassim Kabbani, Kiran Raja, Raghavendra Ramachandra, Christoph Busch,
Abstract要約: 顔形態攻撃は生体認証システムの完全性を脅かす。本稿では,リアルでアーティファクトフリーな顔画像を生成する新しいアプローチであるStableMorphを紹介する。以上の結果から,StableMorph画像は実際の顔画像の品質に匹敵するだけでなく,顔認識システムを騙す強力な能力も維持できることが示唆された。
参考スコア（独自算出の注目度）: 9.45633874048024
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Face morphing attacks threaten the integrity of biometric identity systems by enabling multiple individuals to share a single identity. To develop and evaluate effective morphing attack detection (MAD) systems, we need access to high-quality, realistic morphed images that reflect the challenges posed in real-world scenarios. However, existing morph generation methods often produce images that are blurry, riddled with artifacts, or poorly constructed making them easy to detect and not representative of the most dangerous attacks. In this work, we introduce StableMorph, a novel approach that generates highly realistic, artifact-free morphed face images using modern diffusion-based image synthesis. Unlike prior methods, StableMorph produces full-head images with sharp details, avoids common visual flaws, and offers unmatched control over visual attributes. Through extensive evaluation, we show that StableMorph images not only rival or exceed the quality of genuine face images but also maintain a strong ability to fool face recognition systems posing a greater challenge to existing MAD solutions and setting a new standard for morph quality in research and operational testing. StableMorph improves the evaluation of biometric security by creating more realistic and effective attacks and supports the development of more robust detection systems.
Abstract（参考訳）: 顔形態攻撃は、複数の個人が単一のアイデンティティを共有できるようにすることで、生体認証システムの完全性を脅かす。効果的なモーフィング攻撃検出(MAD)システムの開発と評価を行うには,実世界のシナリオで生じる課題を反映した高品質でリアルなモーフィング画像へのアクセスが必要である。しかし、既存の形態生成法は、しばしばぼやけた画像を生成したり、アーチファクトで取り除かれたり、貧弱に構築され、検出が容易で、最も危険な攻撃を代表していない。本研究では, 最新の拡散画像合成技術を用いて, リアルでアーチファクトのない顔画像を生成する新しいアプローチであるStableMorphを紹介する。以前の方法とは異なり、StableMorphはシャープなディテールでフルヘッドイメージを生成し、一般的な視覚的欠陥を回避し、ビジュアル属性の整合性のない制御を提供する。以上の結果から,既存のMADソリューションに対して大きな課題を呈する顔認識システムを騙し,研究および運用試験におけるモルヒネの新たな標準を策定する上で,StableMorph画像が真の顔画像の品質に匹敵するあるいは超越するだけでなく,優れた顔認識能力も維持できることが示唆された。 StableMorphは、より現実的で効果的な攻撃を生み出すことで生体認証の評価を改善し、より堅牢な検知システムの開発をサポートする。

関連論文リスト

OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
拡散モデルは、顔の修復において顕著な性能を示した。顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
論文参考訳（メタデータ） (2024-11-26T07:07:48Z)
DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
論文参考訳（メタデータ） (2024-03-27T11:32:44Z)
Hierarchical Generative Network for Face Morphing Attacks [7.34597796509503]
顔認識システム(FRS)は、複数のアイデンティティを含む形態画像を作成することで、顔認識システム(FRS)を回避している。本研究では, 画像の品質向上と寄与するアイデンティティの保存を図るため, 新たなモーフィング攻撃法を提案する。
論文参考訳（メタデータ） (2024-03-17T06:09:27Z)
DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-07T07:19:45Z)
Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文参考訳（メタデータ） (2023-10-18T14:49:54Z)
Face Morphing Attack Detection with Denoising Diffusion Probabilistic Models [0.0]
モールフされた顔画像は、様々な悪意のある目的のために誰かの身元を偽装するために使用することができる。既存のMAD技術は、ボナフィドやモルフィド画像の例から学ぶ識別モデルに依存している。本研究では,ボナファイド画像の特徴からのみ学習できる新しい拡散型MAD法を提案する。
論文参考訳（メタデータ） (2023-06-27T18:19:45Z)
MorDIFF: Recognition Vulnerability and Attack Detectability of Face Morphing Attacks Created by Diffusion Autoencoders [10.663919597506055]
顔のモーフィング攻撃は画像レベルでも表現レベルでも生成される。拡散オートエンコーダモデルの最近の進歩は、GANの限界を克服し、高い再構成忠実度を実現している。本研究では,拡散オートエンコーダを用いて顔形態形成攻撃を画像レベルおよび表現レベルの幅広い形態と比較する。
論文参考訳（メタデータ） (2023-02-03T16:37:38Z)
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)
ReGenMorph: Visibly Realistic GAN Generated Face Morphing Attacks by Attack Re-generation [7.169807933149473]
この研究は、新しいモーフィングパイプラインであるReGenMorphを示し、GANベースの世代を用いてLMAブレンディングアーティファクトを除去する。生成したReGenMorphの外観は、最近のモーフィング手法と比較され、顔認識の脆弱性と攻撃検出性を評価する。
論文参考訳（メタデータ） (2021-08-20T11:55:46Z)
MIPGAN -- Generating Strong and High Quality Morphing Attacks Using Identity Prior Driven GAN [22.220940043294334]
本稿では,アイデンティティ優先型生成適応ネットワークを用いた攻撃生成手法を提案する。提案するMIPGANは、知覚的品質と識別因子を利用した新たに定式化された損失関数であるStyleGANから派生した。提案手法は,商用およびディープラーニングベースの顔認識システムに対して,その脆弱性を評価することによって,強力なモーフィング攻撃を発生させることが可能であることを示す。
論文参考訳（メタデータ） (2020-09-03T15:08:38Z)

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。