論文の概要: LoRA-Enhanced Vision Transformer for Single Image based Morphing Attack Detection via Knowledge Distillation from EfficientNet

• arxiv url: http://arxiv.org/abs/2511.12602v1
• Date: Sun, 16 Nov 2025 13:58:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.402297
• Title: LoRA-Enhanced Vision Transformer for Single Image based Morphing Attack Detection via Knowledge Distillation from EfficientNet
• Title（参考訳）: 能率ネットからの知識蒸留による単一画像によるモーフィング検出のためのLORA強調視覚変換器
• Authors: Ria Shekhawat, Sushrut Patwardhan, Raghavendra Ramachandra, Praveen Kumar Chandaliya, Kishor P. Upla,
• Abstract要約: 本研究では,S-MAD(Single-Image Morphing Detection)手法を提案する。 効率を向上させるため,高検出精度を維持しつつ,計算コストを低減し,微調整のためのローランド適応(LoRA)を統合した。 提案手法は6つの最先端S-MAD技術に対してベンチマークを行い,優れた検出性能と計算効率を示す。
• 参考スコア（独自算出の注目度）: 7.409512128477373
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face Recognition Systems (FRS) are critical for security but remain vulnerable to morphing attacks, where synthetic images blend biometric features from multiple individuals. We propose a novel Single-Image Morphing Attack Detection (S-MAD) approach using a teacher-student framework, where a CNN-based teacher model refines a ViT-based student model. To improve efficiency, we integrate Low-Rank Adaptation (LoRA) for fine-tuning, reducing computational costs while maintaining high detection accuracy. Extensive experiments are conducted on a morphing dataset built from three publicly available face datasets, incorporating ten different morphing generation algorithms to assess robustness. The proposed method is benchmarked against six state-of-the-art S-MAD techniques, demonstrating superior detection performance and computational efficiency.
• Abstract（参考訳）: 顔認識システム(FRS)は、セキュリティには不可欠だが、合成画像が複数の人物の生体的特徴をブレンドするモルヒネ攻撃に弱いままである。 そこで我々は,CNNベースの教師モデルでVTベースの生徒モデルを改良する,教師学習フレームワークを用いたS-MAD(Single-Image Morphing Detection)アプローチを提案する。 効率を向上させるため,高検出精度を維持しつつ,計算コストを低減し,微調整のためのローランド適応(LoRA)を統合した。 大規模な実験は、公開されている3つの顔データセットから構築されたフォーミングデータセット上で行われ、堅牢性を評価するために10種類の異なるモーフィング生成アルゴリズムが組み込まれている。 提案手法は6つの最先端S-MAD技術に対してベンチマークを行い,優れた検出性能と計算効率を示す。

関連論文リスト

• Edge-Enhanced Vision Transformer Framework for Accurate AI-Generated Image Detection [0.0]
  本稿では,視覚変換器(ViT)と新たなエッジベース画像処理モジュールを組み合わせたハイブリッド検出フレームワークを提案する。 提案手法は,自動コンテンツ検証とデジタル法医学における実世界の応用に非常に適している。
  論文  参考訳（メタデータ） (2025-08-25T10:30:56Z)
• Knowledge Regularized Negative Feature Tuning of Vision-Language Models for Out-of-Distribution Detection [54.433899174017185]
  信頼性の高い機械学習モデルを構築するには、アウト・オブ・ディストリビューション(OOD)検出が不可欠である。 我々はKR-NFT(Knowledge Regularized Negative Feature Tuning)と呼ばれる新しい手法を提案する。 NFTは、事前訓練されたテキスト特徴に分布認識変換を適用し、正および負の特徴を異なる空間に効果的に分離する。 ImageNetデータセットから数発のサンプルをトレーニングすると、KR-NFTはID分類精度とOOD検出を改善するだけでなく、FPR95を5.44%削減する。
  論文  参考訳（メタデータ） (2025-07-26T07:44:04Z)
• Federated Learning of Low-Rank One-Shot Image Detection Models in Edge Devices with Scalable Accuracy and Compute Complexity [5.820612543019548]
  LoRa-FLは、エッジデバイスにデプロイされた低ランクのワンショット画像検出モデルをトレーニングするために設計された。 低ランク適応手法をワンショット検出アーキテクチャに組み込むことで,計算と通信のオーバーヘッドを大幅に低減する。
  論文  参考訳（メタデータ） (2025-04-23T08:40:44Z)
• Generalized Single-Image-Based Morphing Attack Detection Using Deep Representations from Vision Transformer [13.21801650767302]
  顔改ざん攻撃は、国境管理やパスポート発行のユースケースで運用される顔認識システム(FRS)に深刻な脅威をもたらしている。 視覚変換器 (ViT) アーキテクチャから符号化を学習し, 一般化された単一画像ベースMAD (S-MAD) アルゴリズムを提案する。 一般公開されたFRGC顔データセットを用いて顔変形データセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2025-01-16T20:09:19Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [81.93945602120453]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• RIGID: A Training-free and Model-Agnostic Framework for Robust AI-Generated Image Detection [60.960988614701414]
  RIGIDは、堅牢なAI生成画像検出のためのトレーニング不要でモデルに依存しない方法である。 RIGIDは、既存のトレーニングベースおよびトレーニング不要な検出器を著しく上回っている。
  論文  参考訳（メタデータ） (2024-05-30T14:49:54Z)
• Fiducial Focus Augmentation for Facial Landmark Detection [4.433764381081446]
  本稿では,モデルによる顔構造理解を高めるために,新しい画像強調手法を提案する。 我々は,Deep Canonical correlation Analysis (DCCA) に基づく損失を考慮した,シームズアーキテクチャに基づくトレーニング機構を採用している。 提案手法は,様々なベンチマークデータセットにおいて,最先端のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2024-02-23T01:34:00Z)
• ATASI-Net: An Efficient Sparse Reconstruction Network for Tomographic SAR Imaging with Adaptive Threshold [13.379416816598873]
  本稿では,解析的反復収縮しきい値決定アルゴリズム(ALISTA)に基づく,効率的なスパース展開ネットワークを提案する。 ATASI-Netの各層における重み行列は、オフライン最適化問題の解法として事前計算される。 さらに、各方位領域画素に対して適応しきい値を導入し、しきい値収縮を層蒸着だけでなく素子的にも可能とする。
  論文  参考訳（メタデータ） (2022-11-30T09:55:45Z)
• Learning Deformable Image Registration from Optimization: Perspective, Modules, Bilevel Training and Beyond [62.730497582218284]
  マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。 我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
  論文  参考訳（メタデータ） (2020-04-30T03:23:45Z)

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。