論文の概要: Unified Face Attack Detection via Fine-Grained Semantic Guidance

• arxiv url: http://arxiv.org/abs/2607.08156v1
• Date: Thu, 09 Jul 2026 06:50:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.429451
• Title: Unified Face Attack Detection via Fine-Grained Semantic Guidance
• Title（参考訳）: 微粒化セマンティック誘導による一様顔検出
• Abstract要約: 我々は800万以上の攻撃画像を含む大規模MS-UFADデータセットを構築した。 本稿では,これらのテキスト情報を活用するために,DAF-Net(Dual Alignment Forgery Network)を提案する。
• 参考スコア（独自算出の注目度）: 14.035934093163057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing applications of facial recognition systems are accompanied by increasingly diverse security threats. Existing datasets lack detailed textual descriptions of forgery cues, leading most prior methods to treat face attack detection primarily as a visual recognition task. In this paper, building upon the large-scale MS-UFAD dataset which contains over 8 million attack images, we enrich each image with a fine-grained textual description of forgery cues. Furthermore, we propose a Dual Alignment Forgery Network(DAF-Net) to better leverage these textual information. Extensive experiments demonstrate that our approach extracts more generalizable and semantically meaningful forgery representations from attack images, outperforming both vision-only methods and approaches based on coarse-grained descriptions.
• Abstract（参考訳）: 顔認識システムの普及する応用には、ますます多様なセキュリティ脅威が伴っている。 既存のデータセットには、偽造の手がかりに関する詳細なテキスト記述がないため、顔検出を主に視覚的認識タスクとして扱う最も以前の方法が導かれる。 本稿では,800万枚以上の攻撃画像を含む大規模MS-UFADデータセットをベースとして,フォージェリキューの詳細なテキスト記述により,各画像を濃縮する。 さらに,これらのテキスト情報を活用するために,DAF-Net(Dual Alignment Forgery Network)を提案する。 大規模な実験により,攻撃画像からより汎用的で意味のある偽造表現を抽出し,粗粒度記述に基づく視覚のみの手法とアプローチの両方に優れることが示された。

関連論文リスト

• Leveraging Hierarchical Image-Text Misalignment for Universal Fake Image Detection [58.927873049646024]
  実画像と比較して,偽画像は対応するキャプションと適切に一致しないことを示す。 本稿では,視覚空間における画像テキストの不一致を識別的手がかりとして活用し,簡易かつ効果的なITEMを提案する。
  論文  参考訳（メタデータ） (2025-11-01T06:51:14Z)
• DiffHash: Text-Guided Targeted Attack via Diffusion Models against Deep Hashing Image Retrieval [8.42949283173691]
  大規模画像検索の課題に対処するために、ディープハッシュモデルが広く採用されている。 ディープハッシュモデルは、敵の例に対する脆弱性のために深刻なセキュリティリスクに直面します。 本稿では,DiffHashを提案する。
  論文  参考訳（メタデータ） (2025-09-16T08:49:53Z)
• Learning Unknown Spoof Prompts for Generalized Face Anti-Spoofing Using Only Real Face Images [46.658223044347]
  本研究では,未知のスプーフプロンプトを学習するための新しいアプローチを提案する。 本手法は,視覚言語モデルに埋め込まれた一般的な知識を活用することで,現実の顔と潜在的な未知のスプーフ攻撃に対するテキストプロンプトを生成する。
  論文  参考訳（メタデータ） (2025-05-06T15:09:37Z)
• Learning Knowledge-based Prompts for Robust 3D Mask Presentation Attack Detection [71.60120616284246]
  本稿では,3次元マスク提示攻撃検出のための視覚言語モデルの強力な一般化能力を検討するための,知識に基づく新しいプロンプト学習フレームワークを提案する。 実験により,提案手法は最先端のシナリオ内およびクロスシナリオ検出性能を実現することを示す。
  論文  参考訳（メタデータ） (2025-05-06T15:09:23Z)
• Towards General Visual-Linguistic Face Forgery Detection(V2) [90.6600794602029]
  顔操作技術は大きな進歩を遂げ、セキュリティと社会的信頼に深刻な課題を呈している。 近年の研究では、マルチモーダルモデルを活用することで、顔偽造検出の一般化と解釈可能性を高めることが示されている。 初期領域と型識別にフォージェリマスクを活用することで,正確なテキスト記述を生成する新しいアノテーションパイプラインである Face Forgery Text Generator (FFTG) を提案する。
  論文  参考訳（メタデータ） (2025-02-28T04:15:36Z)
• FFAA: Multimodal Large Language Model based Explainable Open-World Face Forgery Analysis Assistant [59.2438504610849]
  FFAA: Face Forgery Analysis Assistant(MLLM)とMIDS(Multi-Awer Intelligent Decision System)について紹介する。 提案手法は,ユーザフレンドリで説明可能な結果を提供するだけでなく,従来の手法に比べて精度と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-08-19T15:15:20Z)
• Semantic Contextualization of Face Forgery: A New Definition, Dataset, and Detection Method [77.65459419417533]
  我々は、顔偽造を意味的文脈に置き、人間の識別しきい値を超えるように意味的顔属性を変更する計算方法が顔偽造の源であると定義する。 本稿では,ラベル関係を抽出し,主課題(実・偽の顔検出)を優先するセマンティクス指向の顔偽造検出手法を提案する。 提案したデータセットは、テストセットとして現在の検出器の弱点を効果的に公開し、トレーニングセットとしてそれらの一般化性を一貫して改善することを示す。
  論文  参考訳（メタデータ） (2024-05-14T10:24:19Z)
• 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)
• Two-branch Multi-scale Deep Neural Network for Generalized Document Recapture Attack Detection [25.88454144842164]
  画像再キャプチャー攻撃は、ある法医学的痕跡を消去するための効果的な画像操作方法であり、個人文書イメージをターゲットとすると、電子商取引やその他のウェブアプリケーションのセキュリティに大きな脅威をもたらす。 本稿では,周波数フィルタバンクとマルチスケールクロスアテンション融合モジュールを設計した,より汎用化された再キャプチャアーティファクトをマイニングすることで,新しい2分岐ディープニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-30T06:57:11Z)

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。