論文の概要: Source-Face Authenticity Detection for 3D Gaussian Heads Reconstructed from a Single Portrait: A Benchmark and Dedicated Detector
- arxiv url: http://arxiv.org/abs/2608.23984v1
- Date: Tue, 25 Aug 2026 02:24:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.760001
- Title: Source-Face Authenticity Detection for 3D Gaussian Heads Reconstructed from a Single Portrait: A Benchmark and Dedicated Detector
- Title（参考訳）: 1枚のポートレートから再構成した3次元ガウス頭部の音源面認証:ベンチマークと専用検出器
- Abstract要約: シングルイメージの3Dガウスの頭部再構成は、1枚の肖像画から非常にリアルで自由にレンダリングできるデジタルヘッドを実現した。
しかし、復元とレンダリングは、ソースポートレートの痕跡偽造を弱める可能性があるため、その結果の3D顔は、その基盤となる顔が本物か偽物であるかを分類することが困難になる。
我々は,2段階戦略で訓練された検出器を提案する。第1段階では,マスク付きオートエンコーディングにより視覚バックボーンが局所的な再構築に必要な微細な外観情報を保持でき,同時にマルチビューコントラスト学習は,同一の頭部の描画された視界を横断する特徴一貫性を強制する。
実験の結果,本手法が最も精度が高く,精度が高いことがわかった。
- 参考スコア（独自算出の注目度）: 15.120546308798957
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in single-image 3D Gaussian head reconstruction have enabled highly realistic and freely renderable digital heads from a single portrait. However, reconstruction and rendering can weaken the forgery traces in the source portrait, making the resulting 3D face difficult to classify whether its underlying face is real or fake, and thereby posing risks to identity authentication and face privacy. To study this problem, we introduce the first large-scale benchmark for this task by collecting real portraits and fake portraits from multiple sources and evaluate representative existing detectors on this benchmark, revealing their lack of explicit mechanisms for retaining fine-grained information and maintaining feature consistency across rendered views. To directly address these two limitations, we propose a detector trained with a two-stage strategy. In Stage I, masked autoencoding encourages the visual backbone to retain the fine-grained appearance information required for local reconstruction, while multi-view contrastive learning enforces feature consistency across rendered views of the same head. Since CLS tokens at different depths exhibit complementary spatial attention patterns, Stage II freezes the adapted backbone and concatenates low-, middle-, and high-level CLS tokens for classification. Experiments show that our method achieves the highest accuracy and ranks first across all reported metrics among the evaluated detectors.
- Abstract（参考訳）: 近年の3Dガウスの頭部再構成技術により、1枚の肖像画から非常にリアルで自由にレンダリングできるデジタルヘッドが実現されている。
しかし、復元とレンダリングは、ソースポートレートの偽の痕跡を弱める可能性があるため、結果として生じる3D顔は、その基盤となる顔が本物か偽物かを分類することが難しくなり、その結果、アイデンティティ認証と顔のプライバシーにリスクが生じる。
そこで本研究では,複数のソースから実際の肖像画や偽の肖像画を収集し,既存の検出器を代表的に評価し,詳細な情報を保持するための明示的なメカニズムの欠如と,レンダリングされたビュー間の特徴の整合性を明らかにすることで,この問題に対する最初の大規模ベンチマークを提案する。
これら2つの制限に対処するために,2段階戦略で訓練した検出器を提案する。
ステージIでは、マスク付きオートエンコーディングは視覚のバックボーンに局所的な再構成に必要なきめ細かい外観情報を保持するよう促し、マルチビューコントラスト学習は、同一の頭部の描画されたビューにまたがる特徴一貫性を強制する。
異なる深さのCLSトークンは相補的な空間的注意パターンを示すため、ステージIIは適応されたバックボーンを凍結し、低、中、高レベルのCRSトークンを分類するために結合する。
実験により, 本手法は, 評価された検出器のうち, 報告された全ての指標の中で, 最高精度と第1位を達成できることが確認された。
関連論文リスト
- Visual Prompting Meets Feature Reconstruction-Based Anomaly Detection with Dual-Teacher Supervision [7.548589503544904]
前景のマスキングを用いてオブジェクトを分離する視覚的プロンプトパイプラインを導入する。
また,学習者モデルにおける教師の解凍機構を導入し,ドメイン適応性を向上させる。
AeBADデータセットの課題に対して,前回の最先端よりも3.5パーセントの改善を実現した。
論文 参考訳（メタデータ） (2026-06-08T15:52:05Z) - 3D-LENS: A 3D Lifting-based Elevated Novel-view Synthesis method for Single-View Aerial-Ground Re-Identification [1.621606615628714]
Aerial-Ground Re-Identification (AG-ReID) は、視点領域のギャップによって制約される。
私たちはまず、Single-View AG-ReID設定をフォーマルにすることで、この問題に対処します。
3次元リフティングに基づく高次新規ビュー合成(3D-LENS)を提案する。
論文 参考訳（メタデータ） (2026-04-29T10:38:48Z) - GS-CLIP: Zero-shot 3D Anomaly Detection by Geometry-Aware Prompt and Synergistic View Representation Learning [11.364765496753074]
3D異常検出は、ターゲットのトレーニングデータなしでターゲットデータセット内の異常を検出することを目的とした、新たなタスクである。
現在の方法は、3Dポイントクラウドを2D表現に投影することでCLIPに適応するが、それらは課題に直面している。
本研究では,2段階の学習プロセスを通じて幾何学的異常を識別するゲノメトリ・アウェア・プロンプトとシネジスティック・ビュー表現学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-22T14:30:41Z) - ExposeAnyone: Personalized Audio-to-Expression Diffusion Models Are Robust Zero-Shot Face Forgery Detectors [58.45131932883374]
ビデオ中のディープフェイクを検出するための完全自己教師型アプローチを提案する。
本モデルでは,拡散再構成誤差を用いて,疑わしい映像とパーソナライズされた被写体との同一性距離を算出する。
本手法は, ボケや圧縮などの汚損に対して極めて堅牢であり, 現実の顔偽造検出への適用性を強調している。
論文 参考訳（メタデータ） (2026-01-05T18:59:54Z) - Robust Deepfake Detection for Electronic Know Your Customer Systems Using Registered Images [29.349824933680956]
本稿では,eKYC(Electronic Know Your Customer)システム用に設計されたディープフェイク検出アルゴリズムを提案する。
顔認識モデルにより抽出された識別ベクトルの時間的不整合を検出することにより,映像の真正性を評価する。
このアルゴリズムは、ビデオ入力の処理に加えて、登録された画像(真であると仮定される)を使ってアイデンティティの相違を計算する。
論文 参考訳（メタデータ） (2025-07-30T12:16:27Z) - UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳（メタデータ） (2024-07-26T20:51:54Z) - Effective Adapter for Face Recognition in the Wild [72.75516495170199]
私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。
従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。
高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
論文 参考訳（メタデータ） (2023-12-04T08:55:46Z) - Instant Multi-View Head Capture through Learnable Registration [62.70443641907766]
3次元頭部のデータセットを密接なセマンティック通信でキャプチャする既存の手法は遅い。
キャリブレーションされたマルチビュー画像から3Dヘッドを直接推定するためにTEMPEHを導入する。
1つの頭部の予測には0.3秒かかるが、中央値の復元誤差は0.26mmで、現在の最先端よりも64%低い。
論文 参考訳（メタデータ） (2023-06-12T21:45:18Z) - Semantic-aware One-shot Face Re-enactment with Dense Correspondence
Estimation [100.60938767993088]
ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。
本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
論文 参考訳（メタデータ） (2022-11-23T03:02:34Z) - Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。
本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。
種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
論文 参考訳（メタデータ） (2021-05-29T21:22:24Z)
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。