論文の概要: IdentityDP: Differential Private Identification Protection for Face Images

• arxiv url: http://arxiv.org/abs/2103.01745v1
• Date: Tue, 2 Mar 2021 14:26:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-03 16:25:01.566381
• Title: IdentityDP: Differential Private Identification Protection for Face Images
• Title（参考訳）: IdentityDP: 顔画像に対する差分的個人識別保護
• Authors: Yunqian Wen, Li Song, Bo Liu, Ming Ding, and Rong Xie
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 17.33916392050051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Because of the explosive growth of face photos as well as their widespread dissemination and easy accessibility in social media, the security and privacy of personal identity information becomes an unprecedented challenge. Meanwhile, the convenience brought by advanced identity-agnostic computer vision technologies is attractive. Therefore, it is important to use face images while taking careful consideration in protecting people's identities. Given a face image, face de-identification, also known as face anonymization, refers to generating another image with similar appearance and the same background, while the real identity is hidden. Although extensive efforts have been made, existing face de-identification techniques are either insufficient in photo-reality or incapable of well-balancing privacy and utility. In this paper, we focus on tackling these challenges to improve face de-identification. We propose IdentityDP, a face anonymization framework that combines a data-driven deep neural network with a differential privacy (DP) mechanism. This framework encompasses three stages: facial representations disentanglement, $\epsilon$-IdentityDP perturbation and image reconstruction. Our model can effectively obfuscate the identity-related information of faces, preserve significant visual similarity, and generate high-quality images that can be used for identity-agnostic computer vision tasks, such as detection, tracking, etc. Different from the previous methods, we can adjust the balance of privacy and utility through the privacy budget according to pratical demands and provide a diversity of results without pre-annotations. Extensive experiments demonstrate the effectiveness and generalization ability of our proposed anonymization framework.
• Abstract（参考訳）: 顔写真が爆発的に成長し、ソーシャルメディアで広く普及し、アクセスが容易になったため、個人情報のセキュリティとプライバシーは前例のない課題となっている。 一方、高度なアイデンティティ非依存のコンピュータビジョン技術によってもたらされる利便性は魅力的である。 そのため、人物の身元保護を慎重に検討しながら、顔画像を使用することが重要である。 顔画像が与えられたとき、顔の匿名化(face anonymization)とも呼ばれる顔の識別は、同じ外観と同じ背景を持つ別の画像を生成し、実際の身元は隠されている。 大規模な努力が続けられているが、既存の顔の識別技術は写真に不十分であるか、プライバシーとユーティリティのバランスが取れないかのいずれかである。 本稿では,これらの課題に対処し,顔の特定を改善することに焦点を当てる。 データ駆動のディープニューラルネットワークと差分プライバシー(DP)メカニズムを組み合わせた顔の匿名化フレームワークであるIdentityDPを提案する。 このフレームワークは、顔表現のゆがみ、$\epsilon$-IdentityDP摂動、画像再構成の3段階を含む。 私たちのモデルは、顔の識別関連情報を効果的に隠蔽し、視覚的な類似性を保持し、検出、追跡などのアイデンティティ非依存なコンピュータビジョンタスクに使用できる高品質な画像を生成することができる。 従来の方法とは違って,プライバシとユーティリティのバランスを,実践的な要求に応じて調整し,事前アノテーションなしで結果の多様性を提供する。 提案された匿名化フレームワークの有効性と一般化能力を示す広範な実験。

関連論文リスト

• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。 この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。 我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Facial Identity Anonymization via Intrinsic and Extrinsic Attention Distraction [12.12653214552672]
  本研究は,本質的および外生的アイデンティティの注意をそらすことによって,新たな顔の匿名化手法を提案する。 当社のアプローチでは,顔の外観や形状を柔軟かつ直感的に操作することで,多様な結果が得られる。 ユーザに対して、パーソナライズされた匿名化の実行を指示するためにも使用できる。
  論文  参考訳（メタデータ） (2024-06-25T02:07:55Z)
• Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation [56.46932751058042]
  我々は、テキストから画像への拡散モデルのための学習可能なプロンプトプレフィックスをトレーニングし、匿名化された顔のアイデンティティを生成するよう強制する。 実験では,非同一性固有の画像生成の品質を損なうことなく,特定の個人を匿名化するAPLの匿名化性能を実証した。
  論文  参考訳（メタデータ） (2024-05-27T07:38:26Z)
• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• HFORD: High-Fidelity and Occlusion-Robust De-identification for Face Privacy Protection [60.63915939982923]
  顔の身元特定は、身元保護問題を解決するための実践的な方法である。 既存の顔の特定方法にはいくつかの問題がある。 これらの問題に対処するために,HFORD(High-Fidelity and Occlusion-Robust De-identification)法を提案する。
  論文  参考訳（メタデータ） (2023-11-15T08:59:02Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• Seeing is not Believing: An Identity Hider for Human Vision Privacy Protection [16.466136884030977]
  人間の視覚保護に有効なアイデンティティ隠蔽器を提案する。 顔認証装置の識別を許可しながら、外観を大きく変えて身元を視覚的に隠すことができる。 提案したID隠蔽装置は、プライバシー保護と識別可能性保護に優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-07-02T05:48:19Z)
• A Systematical Solution for Face De-identification [6.244117712209321]
  異なるタスクにおいて、人々は顔の特定(De-ID)に様々な要件を持つ 本稿では,これらのDe-ID操作に適合する系統的解を提案する。 本手法は,様々な方法で顔データを柔軟に識別し,画像の画質が向上する。
  論文  参考訳（メタデータ） (2021-07-19T02:02:51Z)
• 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。