論文の概要: GMoE-FTI: A Universal Facial Template Inversion Method Adopting Genuine Mixture-of-Experts Mechanism

• arxiv url: http://arxiv.org/abs/2610.33055v1
• Date: Mon, 19 Oct 2026 07:31:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.230252
• Title: GMoE-FTI: A Universal Facial Template Inversion Method Adopting Genuine Mixture-of-Experts Mechanism
• Title（参考訳）: GMoE-FTI:Genuine Mixture-of-Expertsメカニズムを応用したユニバーサル顔テンプレート変換法
• Abstract要約: 顔テンプレート反転(FTI)技術は、生体認証のプライバシーを脅かすテンプレートから顔を再構築することができる。 既存のFTIメソッドは単一のタイプのテンプレートにのみ適合し、識別に一貫性のある顔が見えない型から再構築できない。 本稿では,真のMoE機構を利用した汎用FTIフレームワークであるGMoE-FTIを提案する。
• 参考スコア（独自算出の注目度）: 13.912919561930272
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face recognition systems have been ubiquitously deployed across daily scenarios. To protect user privacy, mainstream systems store facial templates rather than raw face images for identity verification. However, facial template inversion (FTI) technologies can reconstruct faces from templates, which endangers biometric privacy. Existing FTI methods only fit single type of templates, failing to reconstruct identity-consistent faces from unseen types. To tackle this limitation, we survey mainstream template extractors which can be classified into five categories according the template distribution: unit-sphere, angle-linear, strict unit-sphere, cone-shaped, anuniform hypersphere. Inspired by this observation, this paper proposes GMoE-FTI, a universal FTI framework powered by a genuine MoE mechanism that differs from load-balanced multi-branch alternatives. It follows a three-stage training strategy: (1) independently train five mapping experts (MEs) and a matching module (MM); (2) conduct collaborative inference by weighting each ME's output with MM's output, so as to generate unified latent codes compatible with pre-trained StyleGAN3; (3) perform end-to-end joint fine-tuning over all modules to identity consistency and boost cross-expert coordination. Extensive evaluations on the LFW benchmark validate the superiority of GMoE-FTI against SOTA methods. Evaluated on seven prevailing unseen template types including AdaFace, CosFace, CurricularFace, ElasticFace, SphereFace2, SphereFace-R, and TransFace, GMoE-FTI achieves an average 40% TAR improvement, with average FAPD and FAPC each reduced by 2%, verifying its universal generalization across heterogeneous templates.
• Abstract（参考訳）: 顔認識システムは、日々のシナリオに広くデプロイされている。 ユーザのプライバシを保護するために、メインストリームシステムは、認証のための生の顔画像ではなく、顔テンプレートを格納する。 しかし、顔テンプレート反転(FTI)技術は、生体認証のプライバシーを脅かすテンプレートから顔を再構築することができる。 既存のFTIメソッドは単一のタイプのテンプレートにのみ適合し、識別に一貫性のある顔が見えない型から再構築できない。 この制限に対処するため,本研究では,単位球面,角線,厳密な単位球面,円錐形,非一様超球面の5つのカテゴリに分類できる主流テンプレート抽出器を調査した。 本報告では,負荷バランスの異なるマルチブランチ方式とは異なる,真のMoE機構をベースとした汎用FTIフレームワークであるGMoE-FTIを提案する。 1) 5つのマッピングエキスパート(ME)と1つのマッチングモジュール(MM)を独立に訓練し、(2)各MEの出力をMMの出力と重み付けして協調推論を行い、事前訓練されたStyleGAN3と互換性のある統一潜在コードを生成する。 GMoE-FTIのSOTA法に対する優位性をLFWベンチマークで評価した。 AdaFace、CosFace、CurricularFace、ElasticFace、SphereFace2、SphereFace-R、TransFaceを含む一般的な7つのテンプレートタイプを評価すると、GMoE-FTIは平均40%のTAR改善を実現し、FAPDとFAPCはそれぞれ2%削減され、異種テンプレート全体の普遍的な一般化を検証する。

関連論文リスト

• LBFTI: Layer-Based Facial Template Inversion for Identity-Preserving Fine-Grained Face Reconstruction [13.912919561930272]
  本稿では,階層型顔画像保存のための階層型顔テンプレート・インバージョン(LBFTI)を提案する。 顔画像は前景層(額、目、鼻、口を含む)、中景層(皮膚)、背景層(他の部分)の3層に分解する。 実験により、我々のLBFTIは、機械認証性能において最先端の手法を上回るだけでなく、TARを25.3%改善し、人間の知覚においてより良い類似性を達成していることが示された。
  論文  参考訳（メタデータ） (2026-04-20T14:49:59Z)
• Scalable Face Security Vision Foundation Model for Deepfake, Diffusion, and Spoofing Detection [23.328598687742712]
  まず,実顔画像の基本表現を学習するためのFS-VFMを提案する。 マスク画像モデリング(MIM)とインスタンス識別(ID)を相乗化する3つの学習目標,すなわち3Cを導入する。 我々は,MIMとIDをシームレスに結合し,その基盤となる局所-グローバル対応を確立する,信頼性の高い自己蒸留機構を提案する。 11の公開ベンチマークの実験では、FS-VFMは多様なVFMよりも一貫して一般化されている。
  論文  参考訳（メタデータ） (2025-10-12T15:38:03Z)
• FSFM: A Generalizable Face Security Foundation Model via Self-Supervised Facial Representation Learning [27.34249750803211]
  実顔画像の基本表現を学習するための自己教師付き事前学習フレームワークを提案する。 我々のモデルは、教師付き事前学習、視覚的および顔的自己指導型学習技術よりも優れており、タスク特化SOTA法よりも優れています。
  論文  参考訳（メタデータ） (2024-12-16T17:58:45Z)
• 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)
• MFCLIP: Multi-modal Fine-grained CLIP for Generalizable Diffusion Face Forgery Detection [64.29452783056253]
  フォトリアリスティック・フェイスジェネレーション手法の急速な発展は、社会やアカデミックにおいて大きな関心を集めている。 既存のアプローチは主に画像モダリティを用いて顔の偽造パターンをキャプチャするが、きめ細かいノイズやテキストのような他のモダリティは完全には探索されていない。 そこで本研究では,画像ノイズの多点にわたる包括的かつきめ細かなフォージェリートレースをマイニングする,MFCLIP(MF-modal Fine-fine-fine-fine-fine-fine CLIP)モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-15T13:08:59Z)
• ACFD: Asymmetric Cartoon Face Detector [72.60983975604145]
  ACFDは2020年のiCartoon Face Challengeで1位を獲得した。 ACFDは、モデルサイズ200MB、画像あたりの推測時間50ms、事前訓練されたモデルなしで、2020年のiCartoon Face Challengeの1位を獲得しました。
  論文  参考訳（メタデータ） (2020-07-02T05:57:34Z)

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。