論文の概要: FlowID : Enhancing Forensic Identification with Latent Flow-Matching Models

• arxiv url: http://arxiv.org/abs/2603.29591v1
• Date: Tue, 31 Mar 2026 11:12:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.569916
• Title: FlowID : Enhancing Forensic Identification with Latent Flow-Matching Models
• Title（参考訳）: FlowID : ラテントフローマッチングモデルによる法医学的同定の強化
• Authors: Jules Ripoll, David Bertoin, Alasdair Newson, Charles Dossal, Jose Pablo Baraybar,
• Abstract要約: FlowIDは、アイデンティティを保存する顔の再構築方法である。 我々のアプローチは、単一イメージの微調整と、損傷した領域に編集をローカライズするアテンションベースのマスキングを組み合わせる。 InjuredFacesは、顔の重篤な損傷下での顔の同一性保存のための新しいベンチマークである。
• 参考スコア（独自算出の注目度）: 7.497692242539801
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Every day, many people die under violent circumstances, whether from crimes, war, migration, or climate disasters. Medico-legal and law enforcement institutions document many portraits of the deceased for evidence, but cannot immediately carry out identification on them. While traditional image editing tools can process these photos for public release, the workflow is lengthy and produces suboptimal results. In this work, we leverage advances in image generation models, which can now produce photorealistic human portraits, to introduce FlowID, an identity-preserving facial reconstruction method. Our approach combines single-image fine-tuning, which adapts the generative model to out-of-distribution injured faces, with attention-based masking that localizes edits to damaged regions while preserving identity-critical features. Together, these components enable the removal of artifacts from violent death while retaining sufficient identity information to support identification. To evaluate our method, we introduce InjuredFaces, a novel benchmark for identity-preserving facial reconstruction under severe facial damage. Beyond serving as an evaluation tool for this work, InjuredFaces provides a standardized resource for the community to study and compare methods addressing facial reconstruction in extreme conditions. Experimental results show that FlowID outperforms state-of-the-art open-source methods while maintaining low memory requirements, making it suitable for local deployment without compromising data privacy.
• Abstract（参考訳）: 犯罪、戦争、移民、気候災害など、暴力的な状況で毎日多くの人が死んでいる。 法執行機関や法執行機関は、遺体の多くの肖像画を証拠として記録しているが、直ちに身元確認を行うことはできない。 従来の画像編集ツールはこれらの写真をパブリックリリースのために処理できるが、ワークフローは長く、最適な結果を生み出す。 本研究では,フォトリアリスティックな人間の肖像画を制作できる画像生成モデルの進歩を活用し,アイデンティティを保存する顔再構成手法であるFlowIDを導入する。 本手法では,単一画像の微調整を行い,創傷面のアウト・オブ・ディストリビューションに対する生成モデルと,損傷部位の編集を局所化し,識別クリティカルな特徴を保ちながら注意に基づくマスキングを併用する。 これらのコンポーネントは、識別を支援するのに十分なID情報を保持しながら、暴力的な死からアーティファクトを除去することを可能にする。 InjuredFacesは顔の重篤な損傷下での顔の同一性保存のための新しいベンチマークである。 この作業の評価ツールとして機能するだけでなく、InjuredFacesはコミュニティが極端な状況下で顔の復元に対処する手法を研究し比較するための標準化されたリソースを提供する。 実験の結果,FlowIDはメモリ要件を低く保ちながら最先端のオープンソースメソッドよりも優れており,データのプライバシを損なうことなく,ローカルデプロイメントに適していることがわかった。

関連論文リスト

• Can Generative Models Actually Forge Realistic Identity Documents? [51.56484100374058]
  オープンソースでパブリックアクセス可能な生成モデルは、IDドキュメントの偽造物を生成することができる。 法定レベルの認証を達成するための、生成的アイデンティティドキュメントの深層化のリスクは過大評価される可能性がある。
  論文  参考訳（メタデータ） (2025-12-25T00:56:50Z)
• FaceMe: Robust Blind Face Restoration with Personal Identification [27.295878867436688]
  拡散モデルに基づく顔復元手法FaceMeを提案する。 1枚または数枚の参照画像が与えられた場合、アイデンティティ関連の特徴を抽出するためにアイデンティティエンコーダを使用し、高品質な顔画像の復元において拡散モデルを導出するためのプロンプトとして機能する。 実験結果から,FaceMeは顔の良質な画像の復元が可能であり,顔認証の整合性を保ち,優れた性能とロバスト性を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-01-09T11:52:54Z)
• 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)
• 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)
• AniFaceDiff: Animating Stylized Avatars via Parametric Conditioned Diffusion Models [33.39336530229545]
  本稿では,スタイリングされたアバターをアニメーション化するための新しい条件付きモジュールを組み込んだ,AniFaceDiffと呼ばれる安定拡散に基づく新しい手法を提案する。 提案手法は,入力画像の一貫性を維持しながら,対象映像からのポーズと表現を効果的に保存する。 この研究は、ポジティブなアプリケーションのための仮想スタイリングアニメーションの品質を高めることを目的としている。
  論文  参考訳（メタデータ） (2024-06-19T07:08:48Z)
• PortraitBooth: A Versatile Portrait Model for Fast Identity-preserved Personalization [92.90392834835751]
  PortraitBoothは高効率、堅牢なID保存、表現編集可能な画像生成のために設計されている。 PortraitBoothは計算オーバーヘッドを排除し、アイデンティティの歪みを軽減する。 生成した画像の多様な表情に対する感情認識のクロスアテンション制御が組み込まれている。
  論文  参考訳（メタデータ） (2023-12-11T13:03:29Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。