論文の概要: MorphUNet: Alpha-Controlled Biometric Transport for Diffusion-Based Face Morphing Attacks

• arxiv url: http://arxiv.org/abs/2607.25092v1
• Date: Mon, 27 Jul 2026 21:30:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.635448
• Title: MorphUNet: Alpha-Controlled Biometric Transport for Diffusion-Based Face Morphing Attacks
• Title（参考訳）: MorphUNet: 拡散型顔認識攻撃のためのAlpha-Controlled Biometric Transport
• Authors: Taimoor Rizwan, Sara Atito, Zhenhua Feng, Muhammad Awais, Josef Kittler,
• Abstract要約: MorphUNetは、アルファ制御バイオメトリックトランスポートとして2パーシャル世代を定式化した拡散モルフィングフレームワークである。 これは、トレーニング可能な親分離デュアルクロスアテンションを用いた初めての拡散ベースのモーフィングフレームワークである。 6つのシステムのうち少なくとも3つが1つの形態によって騙される場合、MAP(Morphing Attack potential)が最適である。
• 参考スコア（独自算出の注目度）: 42.651660700496606
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Face morphing attacks create synthetic images verifiable against multiple identities, threatening border control and identity verification systems. We introduce MorphUNet, a diffusion morphing framework formulating two-parent generation as alpha-controlled biometric transport: each parent is decomposed into CLIP appearance and ArcFace identity evidence, aligned into a CLIP-compatible token space, with the two contributors preserved as separate identity-aware token banks. To our knowledge, MorphUNet is the first diffusion-based morphing framework using trainable parent-separated dual cross-attention inside the denoising U-Net: a Biometric Transport Layer carrying parent-specific identity evidence through denoising, attending to each parent separately before combining residuals via the morphing parameter alpha. DDIM-inverted latent interpolation gives a coherent denoising start, while weaker-parent-guided selection favours morphs maximising the lower parent-similarity score, reducing collapse toward one contributor. We evaluate MorphUNet against three state-of-the-art baselines (StableMorph, MIPGAN-II, and MorDIFF) on FEI and FRLL using six recognition systems, and propose CFD-based unseen-identity stress testing across gender and ethnicity pairing, demographic shifts, and parent-similarity extremes. MorphUNet achieves the best Morphing Attack Potential (MAP) when at least three of six systems are fooled by one morph, reaching 0.919 on FEI and 0.886 on FRLL, and obtains the best FID on both datasets (35.19 FEI, 44.86 FRLL). It also gives the highest APCER at 5% BPCER in the same-dataset setting, and remains highly difficult to detect under cross-dataset transfer, with APCER 0.996 on FEI and 0.946 on FRLL. The full evaluation analyses MAP, MAD, per-system vulnerability, identity balance, image quality, top/bottom-similarity stress tests, and CFD unseen-identity robustness.
• Abstract（参考訳）: 顔変形攻撃は、複数のアイデンティティに対して検証可能な合成画像を生成し、境界制御と識別認証システムを脅かす。 それぞれの親はCLIPの外観とArcFaceのアイデンティティエビデンスに分解され、CLIP互換のトークン空間に整列され、2人のコントリビュータは別個のID対応トークンバンクとして保存される。 我々の知る限り、MorphUNetは最初の拡散型モルフィングフレームワークであり、擬似的U-Net内部の訓練可能な親分離双対アテンション(英語版)を用いている。 DDIMを逆転した潜伏補間はコヒーレント・デノナイジング・スタートを与えるが、より弱い親の誘導選択は、より低い親相似性のスコアを最大化し、1つのコントリビューターに対する崩壊を減少させる形態を好む。 6つの認識システムを用いて、FEIおよびFRLL上の3つの最先端ベースライン(StableMorph、MIPGAN-II、MorDIFF)に対してMorphUNetを評価し、性別と民族のペアリング、人口移動、親相似性極度を横断するCFDに基づく未確認ストレステストを提案する。 MorphUNetは、6つのシステムのうち少なくとも3つが1つの形態に騙され、FEIで0.919、FRLLで0.886に達し、両方のデータセットで最高のFIDを得る(35.19 FEI、44.86 FRLL)。 APCER 0.996 は FEI で、0.946 は FRLL で、APCER 0.996 は FEI で検出しにくい。 MAP、MAD、システムごとの脆弱性、アイデンティティバランス、画像品質、トップ/ボトム類似性ストレステスト、CFDの未確認堅牢性について完全な評価分析を行った。

関連論文リスト

• PLGSA-Transformer: Periocular Landmark-Guided Attention with Occlusion-Adaptive Cosine Thresholding for Cross-Modal Masked and Unmasked Face Recognition [0.0]
  本稿では,3つのコントリビューションを持つクロスモーダル顔マッチングフレームワークであるPLGSA-Transformerを提案する。 PLGSA-Transformerは、ROC AUC 1.0000で97.22%のペア検証精度を達成し、VGG-16ベースのMUFMを上回った。
  論文  参考訳（メタデータ） (2026-07-03T19:48:17Z)
• DCMorph: Face Morphing via Dual-Stream Cross-Attention Diffusion [18.93461399363413]
  DCMorphは二重ストリーム拡散に基づくモーフィングフレームワークであり、同一条件と潜在空間の両方で同時に動作する。 4つの最先端の顔認識システムにおける脆弱性解析により、DCMorphが攻撃成功率が最も高いことを示す。
  論文  参考訳（メタデータ） (2026-04-23T12:46:07Z)
• FD-MAD: Frequency-Domain Residual Analysis for Face Morphing Attack Detection [5.931399156681511]
  本稿では,強いベースライン法を大幅に改善する,地域対応の周波数に基づく形態検出手法を提案する。 FRLL-Morphでは平均等誤差率(EER)が1.85%、MAD22では平均EERが6.12%である。
  論文  参考訳（メタデータ） (2026-01-28T14:38:51Z)
• Agent4FaceForgery: Multi-Agent LLM Framework for Realistic Face Forgery Detection [108.5042835056188]
  この作業では,2つの基本的な問題に対処するため,Agent4FaceForgeryを導入している。 人間の偽造の多様な意図と反復的なプロセスを捉える方法。 ソーシャルメディアの偽造に付随する複雑な、しばしば敵対的な、テキストと画像のインタラクションをモデル化する方法。
  論文  参考訳（メタデータ） (2025-09-16T01:05:01Z)
• 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)
• SDeMorph: Towards Better Facial De-morphing from Single Morph [0.0]
  顔認識システム(FRS)はモルヒネ攻撃に対して脆弱である。 現在のMorph Detection (MAD)は、その形態を検出できるが、その形態を生成するために使われるアイデンティティを回復できない。 SDeMorphは参照のない新しいデモルフィング法であり,ボナファイドのアイデンティティを復元する。
  論文  参考訳（メタデータ） (2023-08-22T13:46:12Z)
• DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
  我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。 大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。 同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
  論文  参考訳（メタデータ） (2020-09-20T09:48:24Z)
• On the Influence of Ageing on Face Morph Attacks: Vulnerability and Detection [12.936155415524937]
  顔認識システム(FRS)は境界制御アプリケーションに広く採用されている。 顔形態形成工程は、複数のデータ被験者の画像を使用し、画像ブレンディング操作を行い、高品質な画像を生成する。 生成した形態画像は、合成画像に寄与するデータ対象の生体特性と類似した視覚特性を示す。
  論文  参考訳（メタデータ） (2020-07-06T12:32:41Z)
• Face Anti-Spoofing with Human Material Perception [76.4844593082362]
  フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション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。 我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。 本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
  論文  参考訳（メタデータ） (2020-07-04T18:25:53Z)

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。