Core Concepts
비리지 일관 포인트 드리프트(BCPD) 기법을 사용하여 두 개의 진성 3D 포인트 클라우드에서 직접 3D 얼굴 모핑 포인트 클라우드를 생성하는 새로운 방법을 제안합니다.
Abstract
이 논문은 3D 얼굴 모핑 공격 생성을 위한 새로운 방법을 제안합니다. 제안된 방법은 다음과 같은 주요 단계로 구성됩니다:
베이지안 일관 포인트 드리프트(BCPD) 기법을 사용하여 두 개의 진성 3D 포인트 클라우드를 정렬합니다.
정렬된 포인트 클라우드의 기하학과 색상을 평균화하여 얼굴 모핑 포인트 클라우드를 생성합니다.
제안된 방법은 공개된 3D 얼굴 데이터셋 Facescape를 사용하여 평가되었습니다. 실험 결과, 제안된 방법은 기존 최신 기술 대비 향상된 일반화된 모핑 공격 잠재력(G-MAP)을 달성했습니다. 이는 제안된 방법이 3D 얼굴 인식 시스템에 대한 보다 효과적인 모핑 공격을 생성할 수 있음을 보여줍니다.
Stats
제안된 방법은 200명의 고유 피험자로부터 388개의 얼굴 모핑 포인트 클라우드를 생성했습니다.
제안된 방법은 5개의 사전 학습된 3D 얼굴 인식 모델과 2개의 2D 얼굴 인식 모델에 대해 97.93%의 G-MAP 성능을 달성했습니다.
기존 최신 기술 대비 제안된 방법의 G-MAP 성능이 약 16% 향상되었습니다.
Quotes
"제안된 방법은 기존 최신 기술 대비 향상된 일반화된 모핑 공격 잠재력(G-MAP)을 달성했습니다."
"제안된 방법이 3D 얼굴 인식 시스템에 대한 보다 효과적인 모핑 공격을 생성할 수 있음을 보여줍니다."