Fugu-MT 論文翻訳(概要): SFDemorpher: Generalizable Face Demorphing for Operational Morphing Attack Detection

論文の概要: SFDemorpher: Generalizable Face Demorphing for Operational Morphing Attack Detection

arxiv url: http://arxiv.org/abs/2603.28322v1
Date: Mon, 30 Mar 2026 11:48:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-31 23:18:45.369519
Title: SFDemorpher: Generalizable Face Demorphing for Operational Morphing Attack Detection
Title（参考訳）: SFデモルファス:オペレーショナルモーフィング検出のための一般化可能な顔デモルファス
Authors: Raul Ismayilov, Luuk Spreeuwers,
Abstract要約: 顔形態攻撃は、生体認証のセキュリティを侵害し、複数のアイデンティティに対して検証する文書画像を作成する。ディファレンシャル・モルフィング・アタック・ディテクト(D-MAD)は、特に顔の変形を利用して、形態に混入した異性体を歪ませる場合に効果的な対策を提供する。本稿では,D-MADのための顔デモルファスを運用するためのフレームワークであるSFDemorpherについて述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Face morphing attacks compromise biometric security by creating document images that verify against multiple identities, posing significant risks from document issuance to border control. Differential Morphing Attack Detection (D-MAD) offers an effective countermeasure, particularly when employing face demorphing to disentangle identities blended in the morph. However, existing methods lack operational generalizability due to limited training data and the assumption that all document inputs are morphs. This paper presents SFDemorpher, a framework designed for the operational deployment of face demorphing for D-MAD that performs identity disentanglement within joint StyleGAN latent and high-dimensional feature spaces. We introduce a dual-pass training strategy handling both morphed and bona fide documents, leveraging a hybrid corpus with predominantly synthetic identities to enhance robustness against unseen distributions. Extensive evaluation confirms state-of-the-art generalizability across unseen identities, diverse capture conditions, and 13 morphing techniques, spanning both border verification and the challenging document enrollment stage. Our framework achieves superior D-MAD performance by widening the margin between the score distributions of bona fide and morphed samples while providing high-fidelity visual reconstructions facilitating explainability.
Abstract（参考訳）: 顔改ざん攻撃は生体認証のセキュリティを侵害し、複数のアイデンティティに対して検証するドキュメントイメージを作成し、文書発行から境界管理への重大なリスクを生じさせる。ディファレンシャル・モルフィング・アタック・ディテクト(D-MAD)は、特に顔の変形を利用して、形態に混入した異性体を歪ませる場合に効果的な対策を提供する。しかし、既存の手法では、限られた訓練データと全ての文書入力が形態素であるという仮定により、運用上の一般化性が欠如している。 SFDemorpherは,D-MADのための顔デモルファスを運用するためのフレームワークである。本稿では, 主に合成同一性を持つハイブリッドコーパスを用いて, 異種・異種両方の文書を扱うデュアルパス学習手法を提案し, 未知分布に対する堅牢性を高める。広範囲な評価により、未確認のアイデンティティ、多様なキャプチャ条件、13のモーフィング技術にまたがる最先端の一般化性が確認され、境界検証と挑戦文書の登録段階の両方にまたがる。本フレームワークは,ボナファイドのスコア分布とモルヒド試料とのマージンを拡大し,高忠実度な視覚的再構成を実現し,より優れたD-MAD性能を実現する。

関連論文リスト

Optimizing ID Consistency in Multimodal Large Models: Facial Restoration via Alignment, Entanglement, and Disentanglement [54.199726425201895]
大規模モデルのマルチモーダル編集は、様々なタスクにまたがる強力な編集機能を示している。現在の顔認証保存法は、顔認証と編集済み要素IPの整合性回復に苦慮している。そこで我々は,頑健なアイデンティティ特異的顔復元のためのアライメント・ディスタングルメント・アンタングルメント・フレームワークであるEditedIDを提案する。
論文参考訳（メタデータ） (2026-02-21T08:24:42Z)
Arc2Morph: Identity-Preserving Facial Morphing with Arc2Face [4.395715188789422]
顔変形攻撃は、電子ID文書で使用される顔認識システムに対する最も困難な脅威の1つです。本研究では,識別条件付き顔基盤モデルであるArc2Faceに基づく新しい顔形態形成手法を提案する。実験結果から,提案手法はランドマークに基づく手法に匹敵するモルヒネ攻撃の可能性が示唆された。
論文参考訳（メタデータ） (2026-02-18T16:11:11Z)
SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。 SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
論文参考訳（メタデータ） (2026-02-04T19:30:48Z)
Personalized Face Super-Resolution with Identity Decoupling and Fitting [50.473357681579664]
極端な劣化シナリオでは、重要な属性とID情報が入力画像で著しく失われることが多い。既存の方法では、そのような条件下で幻覚顔を生成する傾向があり、真のID制約を欠いた復元画像を生成する。本稿ではIDデカップリング・フィッティング(IDFSR)を用いた新しいFSR手法を提案する。
論文参考訳（メタデータ） (2025-08-13T02:33:11Z)
ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
深層学習に基づく顔操作の誤用は、公民権に重大な脅威をもたらす。この不正行為を防止するため、操作過程を妨害する積極的な防御法が提案されている。本稿では,IDガード(ID-Guard)と呼ばれる顔の操作に対処するための普遍的な枠組みを提案する。
論文参考訳（メタデータ） (2024-09-20T09:30:08Z)
Dealing with Subject Similarity in Differential Morphing Attack Detection [4.3659108218579545]
我々は,信頼されたライブキャプチャー(通常犯罪者を表す)を文書画像と比較し,それを形態的またはボナフィドとして分類する微分MAD(D-MAD)に焦点を当てた。形態素画像とライブ画像が十分に多様である場合に、識別特徴に基づくこれらのアプローチが有効であることを示す。 ACIdA, モジュール型分類のためのモジュールと, 入力画像の識別とアーティファクト解析のための2つのモジュールからなるモジュール型D-MADシステムを提案する。
論文参考訳（メタデータ） (2024-04-11T12:00:06Z)
Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文参考訳（メタデータ） (2023-07-31T10:22:33Z)
Leveraging Diffusion For Strong and High Quality Face Morphing Attacks [2.0795007613453445]
顔形態攻撃は、2つの異なるアイデンティティから生体特性からなる形態像を提示することにより、顔認識(FR)システムを騙そうとする。画像の視覚的忠実度を改善するために拡散型アーキテクチャを用いた新しいモーフィング攻撃を提案する。
論文参考訳（メタデータ） (2023-01-10T21:50:26Z)
Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
論文参考訳（メタデータ） (2021-12-01T15:36:59Z)
Face Morphing Attack Generation & Detection: A Comprehensive Survey [12.936155415524937]
顔認識システム (FRS) はバイオメトリック・コミュニティから大きな関心を集めている。モーフィング攻撃の目標は、自動境界制御ゲートでFRSを反転させることである。悪質な俳優及び共犯者は、変形した顔画像を生成して、eパスポートを得ることができる。
論文参考訳（メタデータ） (2020-11-03T22:36:27Z)

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。