抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現代の顔認識システム(FRS)は,被験者が顔面マスクを着用するとき,呼吸パンデミックの年齢で一般的なテーマである。直感的な部分修復はマスク検出器をマスクした顔を止めるように追加し,FRSがそれらの低信頼マスク顔に対してそれに応じて動作できるようにした。本研究では,マスク検出器を備えたそのようなFRSの潜在的脆弱性を,大規模マスク顔に設定し,それは,重大なリスク,例えば,顔のアイデンティティとマスクの両者が検出されないFRSを回避できる,という重大なリスクをトリガするかもしれない。既存の顔認識器とマスク検出器は,それぞれのタスクにおいて高い性能を持つので,同時に,それらを,攻撃の伝達性を保つために,かなり挑戦的である。現実的および敵対的顔マスクの生成として新しいタスクを定式化し,3つの主な貢献を行った:まず,テンプレート画像から作れる顔マスクを着用するプロセスをシミュレートするためのナイーブDelanunayベースマスキング法(DM)を研究し,この新タスクの主な課題を明らかにした。第2に,著者らはさらにDMを敵対的ノイズ攻撃によって等しくて,顔認証とマスク検出を効果的に満たすことができる敵対的ノイズDelaunayベースのマスキング法(AdvNoise-DM)を提案して,顔をより自然なものにした。第3に,著者らは,AdvNoise-DMのための敵対的フィルタリングを採用することによって,MF2Mとして表示した敵対フィルタリングDelaunayベースのマスキング法を提案し,より自然な顔を得た。上記の努力により,最終バージョンは最先端の(SOTA)深層学習ベースFRSの重大な性能劣化をもたらすだけでなく,SOTA顔マスク検出器によって検出されないままであり,同時に両システムを良好にフォローする。【JST・京大機械翻訳】