論文の概要: Doctor Trigger: A Framework for Release-Bound Face Verification

• arxiv url: http://arxiv.org/abs/2610.16336v2
• Date: Wed, 14 Oct 2026 05:42:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.331
• Title: Doctor Trigger: A Framework for Release-Bound Face Verification
• Title（参考訳）: Doctor Trigger: リリース境界の顔検証のためのフレームワーク
• Abstract要約: 既存のアプローチは、証明を確立し、操作を検出し、埋め込みの透かしを復元し、画像の完全性を検証するか、許可されていない顔操作を妨害する。 これらの機能は、必ずしも特定のパブリッシャが登録したリリースと整合性を確立するとは限らない。 本稿では,民間出版社が保有するリリースレコードに対して,顔の循環を検証するためのフレームワークであるDoctor Triggerを紹介する。
• 参考スコア（独自算出の注目度）: 20.088482794230163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face swapping and generative editing enable realistic facial manipulation, while online redistribution complicates publisher oversight of circulating face images. Existing approaches establish provenance, detect manipulation, recover embedded watermarks, verify image integrity, or disrupt unauthorized face manipulation. These capabilities do not necessarily establish consistency with a specific publisher-enrolled release, limiting the evidence available for verification and human review. To address this gap, we introduce Doctor Trigger, a framework for verifying circulating faces against private publisher-held release records. Before publication, the publisher embeds a weak keyed Fourier-phase signal in each face while preserving visual fidelity and stores its spectral reference. Afterward, verification compares the circulating face with that reference and uses key projection to measure retention of the release-specific signal. Therefore, relation and key evidence jointly help publishers identify suspicious copies for review, potentially reducing the circulation of manipulated images. Experimental results across FF++, DFDC, and Celeb-DF show that spectral agreement separates tested face swaps and generative manipulations from enrolled releases, while the keyed signal distinguishes published versions from their unreleased originals under the evaluated key-preserving benign transformations. Doctor Trigger complements provenance metadata with release-specific face verification and record-linked evidence for further assessment.
• Abstract（参考訳）: 顔交換と生成編集は、現実的な顔操作を可能にし、オンライン再配布は、顔画像を循環するパブリッシャーの監視を複雑にする。 既存のアプローチは、証明を確立し、操作を検出し、埋め込みの透かしを復元し、画像の完全性を検証するか、許可されていない顔操作を妨害する。 これらの機能は、特定のパブリッシャが登録したリリースと必ずしも整合性を確立しておらず、検証と人的レビューに利用可能な証拠を制限する。 このギャップに対処するため,私的な出版社が保有するリリースレコードに対して,顔の循環を検証するためのフレームワークであるDoctor Triggerを紹介した。 出版前には、各顔に弱いキー付きフーリエ位相信号が埋め込まれ、視覚的忠実さを保ち、そのスペクトル基準を記憶する。 その後、検証は循環する顔とその参照を比較し、キープロジェクションを使用してリリース固有の信号の保持を測定する。 したがって、関係と重要な証拠は、出版社が不審なコピーをレビューするために識別する助けとなり、操作された画像の流通を減少させる可能性がある。 FF++,DFDC,Celeb-DF間での実験結果から,テスト済みの顔スワップと生成操作を登録されたリリースから分離する一方,キー付き信号は,評価されたキー保存ベネグ変換の下で未リリースのオリジナルと区別する。 Dr. Triggerは、プロファイランスメタデータを、リリース固有の顔認証と、さらなる評価のためのレコードリンクされた証拠で補完する。

関連論文リスト

• Tracing Provenance and Detecting Tampering with Complementary LLM Watermarks [68.64050157343334]
  既存の透かしは編集の際は残されているが、このような堅牢性は、敵が帰属を維持しながら重要な内容を変更することを可能にする。 実証と改ざんの証拠を共同で提供する革新的な透かしを導入する。 信号は同じメカニズムを共有するが、独立キーと正規化テキスト上の異なるシードウィンドウを使用するため、一方は編集に耐性があり、もう一方は読み取り可能な変更に敏感である。
  論文  参考訳（メタデータ） (2026-08-13T01:55:16Z)
• ForensicConcept: Transferable Forensic Concepts for AIGI Detection [81.29606528968698]
  本稿では,検出器から明示的な法医学的概念を抽出し,背骨間の移動を可能にするフレームワークであるForensicConceptを提案する。 提案手法は,Transformer Attributionを用いて決定クリティカルパッチをローカライズし,それらをコンパクトな概念コードブックにまとめる。
  論文  参考訳（メタデータ） (2026-06-05T08:25:34Z)
• Diffusion-Driven Deceptive Patches: Adversarial Manipulation and Forensic Detection in Facial Identity Verification [0.20973843981871568]
  この研究は、顔の生体認証システムに侵入するための敵対パッチの生成、精製、評価のためのエンドツーエンドパイプラインを提供する。 顔画像に修正パッチを適用し、自然な視覚特性を維持しながら認識システムを回避する能力をテストする。 このパイプラインは、対向条件下での顔認証と表情認識におけるアイデンティティ分類、キャプション結果、および脆弱性の変化を評価する。
  論文  参考訳（メタデータ） (2026-01-14T19:12:54Z)
• StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
  拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。 画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T16:35:19Z)
• IDRetracor: Towards Visual Forensics Against Malicious Face Swapping [30.804429527783395]
  ディープフェイク法に基づく顔交換技術は、個人認証のセキュリティに重大な社会的リスクをもたらす。 本稿では,対象の顔と偽の顔とを逆マッピングにより追跡する,顔追跡という新しいタスクを提案する。 我々は,IDRetracorが定量的,定性的両面から有望なリトラシング性能を示すことを示す。
  論文  参考訳（メタデータ） (2024-08-13T04:53:48Z)
• Robust Identity Perceptual Watermark Against Deepfake Face Swapping [9.402982368385569]
  ディープフェイク・フェイススワップは、ディープジェネレーティブ・モデルの急速な開発で重要なプライバシー問題を引き起こしている。 本稿では,Deepfakeの顔スワップに対する検出とソーストレースを同時に行う,堅牢なアイデンティティ認識型透かしフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-02T16:04:32Z)
• 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)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)

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。