Fugu-MT 論文翻訳(概要): GFT-GCN: Privacy-Preserving 3D Face Mesh Recognition with Spectral Diffusion

論文の概要: GFT-GCN: Privacy-Preserving 3D Face Mesh Recognition with Spectral Diffusion

arxiv url: http://arxiv.org/abs/2511.19958v2
Date: Wed, 26 Nov 2025 04:15:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-27 14:46:34.494424
Title: GFT-GCN: Privacy-Preserving 3D Face Mesh Recognition with Spectral Diffusion
Title（参考訳）: GFT-GCN:スペクトル拡散を用いた3次元顔メッシュ認識
Authors: Hichem Felouat, Hanrui Wang, Isao Echizen,
Abstract要約: 3D顔認証は、顔の形状をキャプチャすることで、堅牢な生体計測ソリューションを提供する。その強いスプーフ抵抗は、高セキュリティアプリケーションに適しているが、保存された生体認証テンプレートを保護することは依然として重要である。 GFT-GCNは,スペクトルグラフ学習と拡散型テンプレート保護を組み合わせた3次元顔認識フレームワークである。
参考スコア（独自算出の注目度）: 6.572856376556506
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: 3D face recognition offers a robust biometric solution by capturing facial geometry, providing resilience to variations in illumination, pose changes, and presentation attacks. Its strong spoof resistance makes it suitable for high-security applications, but protecting stored biometric templates remains critical. We present GFT-GCN, a privacy-preserving 3D face recognition framework that combines spectral graph learning with diffusion-based template protection. Our approach integrates the Graph Fourier Transform (GFT) and Graph Convolutional Networks (GCN) to extract compact, discriminative spectral features from 3D face meshes. To secure these features, we introduce a spectral diffusion mechanism that produces irreversible, renewable, and unlinkable templates. A lightweight client-server architecture ensures that raw biometric data never leaves the client device. Experiments on the BU-3DFE and FaceScape datasets demonstrate high recognition accuracy and strong resistance to reconstruction attacks. Results show that GFT-GCN effectively balances privacy and performance, offering a practical solution for secure 3D face authentication.
Abstract（参考訳）: 3D顔認証は、顔の形状を捉え、照明のバリエーション、ポーズの変化、プレゼンテーションアタックに対するレジリエンスを提供することで、堅牢な生体計測ソリューションを提供する。その強いスプーフ抵抗は、高セキュリティアプリケーションに適しているが、保存された生体認証テンプレートを保護することは依然として重要である。 GFT-GCNは,スペクトルグラフ学習と拡散型テンプレート保護を組み合わせた3次元顔認識フレームワークである。提案手法では,GFTとGCNを統合し,3次元顔メッシュからコンパクトで識別可能なスペクトル特徴を抽出する。これらの特徴を確保するために, 可逆的, 再生可能, リンク不能なテンプレートを生成するスペクトル拡散機構を導入する。軽量なクライアントサーバアーキテクチャは、生のバイオメトリックデータがクライアントデバイスを離れないことを保証する。 BU-3DFEとFaceScapeデータセットの実験は、高い認識精度と復元攻撃に対する強い抵抗を示す。その結果、GFT-GCNはプライバシーと性能のバランスを効果的に保ち、安全な3D顔認証のための実用的なソリューションを提供することがわかった。

関連論文リスト

DiffSwap++: 3D Latent-Controlled Diffusion for Identity-Preserving Face Swapping [16.846179110602737]
そこで我々は,DiffSwap++を提案する。DiffSwap++は,トレーニング中に3D顔の潜伏機能を組み込んだ,拡散型フェイススワッピングパイプラインである。本手法は, 形状整合性を高め, 外観特性から顔の識別のゆがみを改善する。 CelebA、FFHQ、CelebV-Textの実験では、DiffSwap++はターゲットのポーズと表現を維持しながらソースのアイデンティティを保ちながら、以前のメソッドよりも優れていた。
論文参考訳（メタデータ） (2025-11-04T18:56:49Z)
All That Glitters Is Not Gold: Key-Secured 3D Secrets within 3D Gaussian Splatting [12.651540251589635]
KeySSは、新しいエンドツーエンドのキー・ツー・エンドの3Dステガノグラフィーフレームワークである。マルチシークレットの隠蔽と不正アクセス防止を可能にするキー制御可能な機構を備えている。高いセキュリティレベルを維持しつつ、隠蔽と秘密の再構築の両方において最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2025-03-10T11:21:07Z)
SecureGS: Boosting the Security and Fidelity of 3D Gaussian Splatting Steganography [25.798754061997254]
3D Gaussian Splatting (3DGS)は、リアルタイムレンダリングと高品質な出力のために、3D表現の初歩的な方法として登場した。従来のNeRFステガノグラフィ法は、そのポイントクラウドファイルが一般にアクセス可能であるため、3DGSの明示的な性質に対処できない。そこで我々は,Scaffold-GSのアンカーポイント設計とニューラルデコーディングにインスパイアされたSecureGSフレームワークを提案する。
論文参考訳（メタデータ） (2025-03-08T08:11:00Z)
G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。本稿では,Gtextsuperscript2Faceを提案する。提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
論文参考訳（メタデータ） (2024-08-18T12:36:47Z)
3D Face Modeling via Weakly-supervised Disentanglement Network joint Identity-consistency Prior [62.80458034704989]
切り離された制御因子を特徴とする3次元顔モデルの生成は、コンピュータビジョンやコンピュータグラフィックスの多様な応用において大きな可能性を秘めている。従来の3D顔モデリング手法は、これらの要因を効果的に解消するために特定のラベルを要求するため、課題に直面している。本稿では,WSDF(Wakly Supervised Disentanglement Framework)を導入し,過度に拘束的なラベル付けを必要とせず,制御可能な3次元顔モデルのトレーニングを容易にする。
論文参考訳（メタデータ） (2024-04-25T11:50:47Z)
Enhancing Privacy in Face Analytics Using Fully Homomorphic Encryption [8.742970921484371]
本稿では,FHE(Fully Homomorphic Encryption)と,PolyProtectと呼ばれるテンプレート保護方式を組み合わせた新しい手法を提案する。提案手法は,非可逆性と無リンク性を保証し,ソフトバイオメトリック埋め込みの漏洩を効果的に防止する。
論文参考訳（メタデータ） (2024-04-24T23:56:03Z)
Shielding the Unseen: Privacy Protection through Poisoning NeRF with Spatial Deformation [59.302770084115814]
本稿では,Neural Radiance Fields(NeRF)モデルの生成機能に対して,ユーザのプライバシを保護する革新的な手法を提案する。我々の新しい中毒攻撃法は、人間の目では認識できないが、NeRFが正確に3Dシーンを再構築する能力を損なうのに十分強力である観察ビューの変化を誘発する。我々は、高品質の画像を含む29の現実世界シーンからなる2つの共通のNeRFベンチマークデータセットに対して、我々のアプローチを広範囲に検証した。
論文参考訳（メタデータ） (2023-10-04T19:35:56Z)
TransFace++: Rethinking the Face Recognition Paradigm with a Focus on Accuracy, Efficiency, and Security [56.24794071698785]
顔認識(FR)技術は、ディープラーニングの出現に大きく貢献している。ほとんどの既存のFRモデルは、畳み込みニューラルネットワーク(CNN)上に構築されており、RGBの顔画像をモデルの入力として取り込んでいる。本稿では,2つの新しいFRフレームワークであるTransFaceとTransFace++を提案する。
論文参考訳（メタデータ） (2023-08-20T02:02:16Z)
Towards Effective Adversarial Textured 3D Meshes on Physical Face Recognition [42.60954035488262]
本研究の目的は、商業システムに対する対角的堅牢性の評価をエンドツーエンドで行うことのできる、より信頼性の高い技術を開発することである。我々は、人間の顔に精巧なトポロジーを持つ、敵のテクスチャ化された3Dメッシュ(AT3D)を設計し、攻撃者の顔に3Dプリントして貼り付けることで、防御を回避する。メッシュベースの空間から逸脱するために,3次元形態モデルに基づく低次元係数空間の摂動を提案する。
論文参考訳（メタデータ） (2023-03-28T08:42:54Z)
TransRPPG: Remote Photoplethysmography Transformer for 3D Mask Face Presentation Attack Detection [53.98866801690342]
3次元マスク提示攻撃検出(PAD)は、3次元マスク攻撃から顔認識システムを保護する上で重要な役割を担っている。ライブ本質表現を効率的に学習するための純粋なrトランス(TransR)フレームワークを提案する。当社のTransRは軽量で効率的(547Kパラメータと763MOPのみ)で、モバイルレベルのアプリケーションに期待できる。
論文参考訳（メタデータ） (2021-04-15T12:33:13Z)
Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
論文参考訳（メタデータ） (2021-02-01T09:17:18Z)

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。