論文の概要: On Generating Identifiable Virtual Faces

• arxiv url: http://arxiv.org/abs/2110.07986v1
• Date: Fri, 15 Oct 2021 10:19:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-18 22:25:24.356916
• Title: On Generating Identifiable Virtual Faces
• Title（参考訳）: 識別可能な仮想顔の生成について
• Authors: Zhuowen Yuan, Sheng Li, Xinpeng Zhang, Zhenxin Qian, Alex Kot
• Abstract要約: 生成モデルによる顔の匿名化は、個人情報の衛生化によってますます広まりつつある。 本稿では,識別可能な仮想顔画像を生成する問題を形式化し,解決する。 仮想顔画像を生成するための識別可能な仮想顔生成器(IVFG)を提案する。
• 参考スコア（独自算出の注目度）: 13.920942815539256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face anonymization with generative models have become increasingly prevalent since they sanitize private information by generating virtual face images, ensuring both privacy and image utility. Such virtual face images are usually not identifiable after the removal or protection of the original identity. In this paper, we formalize and tackle the problem of generating identifiable virtual face images. Our virtual face images are visually different from the original ones for privacy protection. In addition, they are bound with new virtual identities, which can be directly used for face recognition. We propose an Identifiable Virtual Face Generator (IVFG) to generate the virtual face images. The IVFG projects the latent vectors of the original face images into virtual ones according to a user specific key, based on which the virtual face images are generated. To make the virtual face images identifiable, we propose a multi-task learning objective as well as a triplet styled training strategy to learn the IVFG. Various experiments demonstrate the effectiveness of the IVFG for generate identifiable virtual face images.
• Abstract（参考訳）: 仮想顔画像を生成することで個人情報を浄化し、プライバシーと画像ユーティリティの両方を保証するため、生成モデルによる顔匿名化が普及している。 このような仮想顔画像は、通常、元の身元を削除または保護した後は識別できない。 本稿では,識別可能な仮想顔画像を生成する問題を形式化し,解決する。 われわれの仮想顔画像は、プライバシー保護のためにオリジナルと視覚的に異なる。 さらに、顔認証に直接使用できる新しい仮想idが付加されている。 仮想顔画像を生成するための識別可能な仮想顔生成器(IVFG)を提案する。 ivfgは、仮想顔画像を生成するユーザ固有のキーに基づいて、元の顔画像の潜在ベクトルを仮想顔画像に投影する。 仮想顔画像の識別を可能にするために,マルチタスク学習目標と,IVFG学習のための三重項スタイルのトレーニング戦略を提案する。 様々な実験により、ivfgが識別可能な仮想顔画像を生成する効果が示されている。

関連論文リスト

• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• 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)
• A Key-Driven Framework for Identity-Preserving Face Anonymization [23.464459834036035]
  仮想顔におけるプライバシと識別可能性の対立を解決するために,キー駆動型顔匿名化認証(KFAAR)フレームワークを提案する。 KFAARフレームワークは、頭位保存仮想顔生成(HPVFG)モジュールとキー制御可能な仮想顔認証(KVFA)モジュールで構成される。
  論文  参考訳（メタデータ） (2024-09-05T11:35:16Z)
• 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 Face Recognition Using Trainable Feature Subtraction [40.47645421424354]
  顔認識はプライバシーの懸念を増している。 本稿では,視覚障害と回復障害に対する顔画像保護について検討する。 我々は,この手法を新たなプライバシ保護顔認識手法であるMinusFaceに精錬する。
  論文  参考訳（メタデータ） (2024-03-19T05:27:52Z)
• VIGFace: Virtual Identity Generation Model for Face Image Synthesis [13.81887339529775]
  合成顔画像を生成する新しいフレームワークであるVIGFaceを提案する。 肖像画の権利を気にすることなく、仮想顔画像を作成することができる。 既存のイメージを組み込んだ効果的な拡張手法として機能する。
  論文  参考訳（メタデータ） (2024-03-13T06:11:41Z)
• FaceChain: A Playground for Human-centric Artificial Intelligence Generated Content [36.48960592782015]
  FaceChainは、パーソナライズされたポートレート生成フレームワークで、一連のカスタマイズされた画像生成モデルと、顔に関連する知覚理解モデルの豊富なセットを組み合わせる。 我々は、複数のSOTAフェイスモデルを生成手順に注入し、従来のソリューションと比較して、より効率的なラベルタグ付け、データ処理、モデル後処理を実現する。 FaceChainをベースとして、仮想トライオンや2Dトーキングヘッドなど、その価値をよりよく示すための、より広いグラウンドを構築するためのいくつかのアプリケーションも開発しています。
  論文  参考訳（メタデータ） (2023-08-28T02:20:44Z)
• 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)
• Image-to-Video Generation via 3D Facial Dynamics [78.01476554323179]
  静止画像から様々な映像を生成するために多目的モデルであるFaceAnimeを提案する。 私たちのモデルは、顔ビデオや顔ビデオの予測など、さまざまなAR/VRやエンターテイメントアプリケーションに汎用的です。
  論文  参考訳（メタデータ） (2021-05-31T02:30:11Z)
• 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)
• DotFAN: A Domain-transferred Face Augmentation Network for Pose and Illumination Invariant Face Recognition [94.96686189033869]
  本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。 DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。 実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
  論文  参考訳（メタデータ） (2020-02-23T08:16:34Z)

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。