SDeMorph: Towards Better Facial De-morphing from Single Morph

要約

顔認識システム (FRS) はモーフ攻撃に対して脆弱です。
顔モーフは、FRS を騙す目的で複数のアイデンティティを組み合わせて作成され、複数のアイデンティティのモーフに一致させます。
現在のモーフ攻撃検出 (MAD) はモーフを検出できますが、モーフの作成に使用された ID を満足のいく結果で回復することはできません。
デモーフィングにおける既存の作業は、ほとんどが参照ベースです。つまり、一方のアイデンティティを回復するには、もう一方のアイデンティティが利用可能であることが必要です。
スディプタら。
\cite{ref9} はリファレンスフリーのデモーフィング手法を提案しましたが、生成される出力の視覚的なリアリズムは弱かったです。
この研究では、参照フリーで本物のアイデンティティを回復する新しい変形法である SDeMorph (安定拡散変形法) を提案します。
私たちの方法では、解像度と顔の忠実度の点で非常に高品質な、機能豊富な出力が生成されます。
私たちの手法では、入力モーフィング信号を破壊し、分岐 UNet を使用して信号を再構築することにより、ノイズ除去拡散確率モデル (DDPM) を利用します。
ASML、FRLL-FaceMorph、FRLL-MorDIFF、SMDD データセットの実験により、提案された方法の有効性が裏付けられています。

要約(オリジナル)

Face Recognition Systems (FRS) are vulnerable to morph attacks. A face morph is created by combining multiple identities with the intention to fool FRS and making it match the morph with multiple identities. Current Morph Attack Detection (MAD) can detect the morph but are unable to recover the identities used to create the morph with satisfactory outcomes. Existing work in de-morphing is mostly reference-based, i.e. they require the availability of one identity to recover the other. Sudipta et al. \cite{ref9} proposed a reference-free de-morphing technique but the visual realism of outputs produced were feeble. In this work, we propose SDeMorph (Stably Diffused De-morpher), a novel de-morphing method that is reference-free and recovers the identities of bona fides. Our method produces feature-rich outputs that are of significantly high quality in terms of definition and facial fidelity. Our method utilizes Denoising Diffusion Probabilistic Models (DDPM) by destroying the input morphed signal and then reconstructing it back using a branched-UNet. Experiments on ASML, FRLL-FaceMorph, FRLL-MorDIFF, and SMDD datasets support the effectiveness of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google