論文の概要: IdentiFace: Multi-Modal Iterative Diffusion Framework for Identifiable Suspect Face Generation in Crime Investigations

• arxiv url: http://arxiv.org/abs/2605.00526v1
• Date: Fri, 01 May 2026 09:04:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.917143
• Title: IdentiFace: Multi-Modal Iterative Diffusion Framework for Identifiable Suspect Face Generation in Crime Investigations
• Title（参考訳）: IdentiFace:犯罪捜査における疑似顔生成のための多モード反復拡散フレームワーク
• Authors: Weichen Liu, Yixin Yang, Changsheng Chen, Alex Kot,
• Abstract要約: 我々は,IdentiFaceと呼ばれる,識別可能な被疑者顔生成のための新しい拡散型フレームワークを提案する。 IdentiFaceはID検索の点で既存の手法よりも優れた性能を示し、実用的な応用の可能性を示している。
• 参考スコア（独自算出の注目度）: 9.548761889081904
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Suspect face generation remains a technical challenge in crime investigations. Traditional sketch-drawing workflows suffer from low efficiency and quality, while diffusion-based approaches still face intrinsic limitations on conditional ambiguity for text-to-image models and sampling variance for one-shot generation. We proposed IdentiFace, a novel diffusion-based framework for identifiable suspect face generation, which addressed these issues through (1) multi-modal input design to strengthen conditional control, and (2) an iterative generation pipeline enabling identifiable feature adjustment. We additionally contributed a facial identity loss and two task-specific datasets. Comprehensive experiments on synthetic datasets and in real-world scenarios indicate that IdentiFace achieves superior performance over existing methods, especially in terms of identity retrieval, and shows strong potential for practical applications.
• Abstract（参考訳）: 容疑者の顔生成は、依然として犯罪捜査の技術的課題である。 従来のスケッチ描画ワークフローは、効率と品質の低下に悩まされているが、拡散に基づくアプローチは、テキスト・ツー・イメージモデルの条件のあいまいさと、1ショット生成のサンプリングのばらつきに固有の制限に直面している。 IdentiFaceは,(1)条件制御を強化するためのマルチモーダル入力設計と(2)特徴調整が可能な反復生成パイプラインにより,これらの課題に対処する。 また,顔の同一性喪失と2つのタスク固有のデータセットに寄与した。 合成データセットと実世界のシナリオに関する総合的な実験は、IdentiFaceが既存の手法、特にアイデンティティ検索において優れた性能を発揮し、実用的な応用の可能性を示していることを示している。

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)
• UIFace: Unleashing Inherent Model Capabilities to Enhance Intra-Class Diversity in Synthetic Face Recognition [42.86969216015855]
  顔認識(FR)はコンピュータビジョンにおいて最も重要な応用の1つである。 UIFaceとして短縮された合成顔認識のためのクラス内多様性を高めるフレームワークを提案する。 実験結果から,本手法は従来の手法に比べてトレーニングデータが少なく,合成データセットの約半分の規模で大幅に上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-02-27T06:22:18Z)
• 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$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• Generalized Face Liveness Detection via De-fake Face Generator [52.23271636362843]
  以前の顔アンチスプーフィング(FAS)手法は、目に見えない領域に一般化するという課題に直面している。 本稿では,大規模に付加的な現実面を効果的に活用できるAnomalous cue Guided FAS (AG-FAS)法を提案する。 提案手法は,未知のシナリオと未知のプレゼンテーションアタックを用いたクロスドメイン評価において,最先端の結果を実現する。
  論文  参考訳（メタデータ） (2024-01-17T06:59:32Z)
• Controllable Inversion of Black-Box Face Recognition Models via Diffusion [8.620807177029892]
  我々は,事前学習した顔認識モデルの潜在空間を,完全なモデルアクセスなしで反転させる作業に取り組む。 本研究では,条件付き拡散モデル損失が自然発生し,逆分布から効果的にサンプル化できることを示す。 本手法は,生成過程を直感的に制御できる最初のブラックボックス顔認識モデル逆変換法である。
  論文  参考訳（メタデータ） (2023-03-23T03:02:09Z)

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。