論文の概要: PrivacyNet: Semi-Adversarial Networks for Multi-attribute Face Privacy
- arxiv url: http://arxiv.org/abs/2001.00561v3
- Date: Sun, 14 Mar 2021 00:13:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 04:14:10.728464
- Title: PrivacyNet: Semi-Adversarial Networks for Multi-attribute Face Privacy
- Title（参考訳）: privacynet:マルチ属性の顔プライバシーのための半敵ネットワーク
- Authors: Vahid Mirjalili, Sebastian Raschka, Arun Ross
- Abstract要約: 画像手法を用いて, 顔画像に対するソフトバイオメトリック・プライバシを実現する手法を開発した。
画像摂動は、GANをベースとしたSAN(Semi-Adversarial Network)を用いて行われる。
PrivacyNetでは、入力された顔画像に難読化される属性を選択することができる。
- 参考スコア（独自算出の注目度）: 15.301150389512744
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent research has established the possibility of deducing soft-biometric
attributes such as age, gender and race from an individual's face image with
high accuracy. However, this raises privacy concerns, especially when face
images collected for biometric recognition purposes are used for attribute
analysis without the person's consent. To address this problem, we develop a
technique for imparting soft biometric privacy to face images via an image
perturbation methodology. The image perturbation is undertaken using a
GAN-based Semi-Adversarial Network (SAN) - referred to as PrivacyNet - that
modifies an input face image such that it can be used by a face matcher for
matching purposes but cannot be reliably used by an attribute classifier.
Further, PrivacyNet allows a person to choose specific attributes that have to
be obfuscated in the input face images (e.g., age and race), while allowing for
other types of attributes to be extracted (e.g., gender). Extensive experiments
using multiple face matchers, multiple age/gender/race classifiers, and
multiple face datasets demonstrate the generalizability of the proposed
multi-attribute privacy enhancing method across multiple face and attribute
classifiers.
- Abstract（参考訳）: 近年,人物の顔画像から年齢,性別,人種などのソフトバイオメトリックな属性を高精度に推定する可能性が確立されている。
しかし、特に生体認証のために収集された顔画像が、人の同意なしに属性分析に使用される場合、プライバシーの懸念が高まる。
この問題に対処するために,画像摂動法を用いて顔画像にソフトバイオメトリックプライバシを付与する手法を開発した。
画像の摂動はganベースの半敵ネットワーク(san)(privacynet)を使用して行われ、入力された顔画像がマッチングのために顔マッチング器で使用できるが、属性分類器では確実に使用できないように修正される。
さらに、privacynetでは、入力された顔画像(例えば、年齢と人種)に難読化されなければならない特定の属性を選択でき、他の種類の属性(例えば、性別)を抽出することができる。
複数の顔マッチング器、複数の年齢/性別/人種分類器、および複数の顔データセットを用いた大規模な実験は、複数の顔および属性分類器にまたがる多属性プライバシー向上手法の一般化可能性を示す。
関連論文リスト
- Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain [16.05230409730324]
顔画像は、各ユーザのアイデンティティ情報に関連付けられた、敏感なバイオメトリック属性である。
本稿では,顔認識の入力次元を低減するために,ハイブリッド周波数-カラー融合法を提案する。
1:Nの検証シナリオの最先端よりも約2.6%から4.2%高い精度を持つ。
論文 参考訳（メタデータ） (2024-01-24T11:27:32Z) - Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。
本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。
提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
論文 参考訳（メタデータ） (2023-03-23T13:50:46Z) - Attribute-preserving Face Dataset Anonymization via Latent Code
Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。
我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文 参考訳（メタデータ） (2023-03-20T17:34:05Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳（メタデータ） (2022-05-24T11:29:37Z) - FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。
ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。
また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
論文 参考訳（メタデータ） (2022-05-23T07:19:42Z) - MaskMTL: Attribute prediction in masked facial images with deep
multitask learning [9.91045425400833]
本稿では,マスク付き顔画像から多種多様な特徴を共同で推定する深層マルチタスク学習(MTL)手法を提案する。
提案手法は、他の競合技術よりも性能が優れている。
論文 参考訳（メタデータ） (2022-01-09T13:03:29Z) - An Attack on Feature Level-based Facial Soft-biometric Privacy
Enhancement [13.780253190395715]
特徴レベルに基づく顔ソフトバイオメトリック・プライバシ・エンハンスメント技術に対する攻撃を導入する。
プライバシーの強化を回避することができ、性別を最大90%の精度で正しく分類することができる。
論文 参考訳（メタデータ） (2021-11-24T10:41:15Z) - A Study of Face Obfuscation in ImageNet [94.2949777826947]
本稿では,imagenetチャレンジにおける画像難読化について検討する。
ImageNetチャレンジのほとんどのカテゴリは、人のカテゴリではありません。
さまざまな深層ニューラルネットワークを顔画像上でベンチマークし、異なるカテゴリに対する異なる影響を観察します。
結果は、顔が破れた画像で学んだ特徴が等しく転送可能であることを示している。
論文 参考訳（メタデータ） (2021-03-10T17:11:34Z) - IdentityDP: Differential Private Identification Protection for Face
Images [17.33916392050051]
顔の非識別、別名顔の匿名化は、実際のアイデンティティが隠されている間、同様の外観と同じ背景を持つ別の画像を生成することを指します。
我々は,データ駆動型ディープニューラルネットワークと差分プライバシー機構を組み合わせた顔匿名化フレームワークであるIdentityDPを提案する。
我々のモデルは、顔の識別関連情報を効果的に難読化し、視覚的類似性を保ち、高品質な画像を生成することができる。
論文 参考訳（メタデータ） (2021-03-02T14:26:00Z) - InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
視覚データに流出した個人情報を個人が制限できる技術について検討する。
我々はこの問題を新しい画像難読化フレームワークで解決する。
提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
論文 参考訳（メタデータ） (2020-05-20T19:48:04Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z)
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。