Cette page résume et organise les publications en intelligence artificielle du monde entier. Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif. Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.
Est-ce vraiment vous ? Exploration de scénarios de vérification biométrique dans des vidéos photoréalistes d'avatars à tête parlante
Created by
Haebom
Auteur
Laura Pedrouzo-Rodriguez, Pedro Delgado-DeRobles, Luis F. Gomez, Ruben Tolosana, Ruben Vera-Rodriguez, Aythami Morales, Julian Fierrez
Contour
Cet article se concentre sur les risques d'usurpation d'identité liés à l'essor des avatars réalistes à tête parlante. La détection des fraudes basée uniquement sur l'apparence et la voix des avatars étant difficile, nous proposons une méthode biométrique de vérification d'identité utilisant les schémas de mouvements du visage. Nous construisons un nouvel ensemble de données de vidéos d'avatars réalistes générées à l'aide d'un modèle de génération d'avatars de pointe (GAGAvatar) et proposons une architecture de réseau convolutif de graphes spatio-temporels (GCN) légère et explicable, utilisant la mutualisation de l'attention temporelle. Les résultats expérimentaux démontrent que les indices de mouvements du visage permettent une vérification d'identité significative, avec une aire sous la courbe (ASC) proche de 80 %. Le benchmark et le système biométrique proposés sont mis à la disposition de la communauté scientifique, soulignant la nécessité de défenses biométriques comportementales plus avancées dans les systèmes de communication basés sur les avatars.
Takeaways, Limitations_
•
Takeaways:
◦
Une nouvelle perspective sur les risques de vol d’identité dans les systèmes de communication basés sur des avatars et l’exploration de solutions.
◦
Validation de l'efficacité de la biométrie comportementale à l'aide de modèles de mouvements faciaux et obtention de performances élevées.
◦
Permettre la recherche en fournissant un nouvel ensemble de données vidéo d'avatar et un système biométrique léger et explicable.
◦
Fournit des Takeaways importants pour améliorer la sécurité des systèmes basés sur des avatars.
•
Limitations:
◦
Une valeur AUC de 80 % n’est pas un système parfait et des recherches supplémentaires sont nécessaires pour obtenir une plus grande précision.
◦
Il peut y avoir des limites à la diversité et à l’échelle de l’ensemble de données (par exemple, différentes races, âges, expressions faciales, etc.).
◦
Une validation supplémentaire de l’application du système proposé dans des environnements réels (par exemple, changements d’éclairage, angles de caméra, etc.) est nécessaire.
◦
La vulnérabilité du système aux techniques de camouflage complexes doit être examinée.
