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
- 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) - StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。
私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
論文 参考訳(メタデータ) (2024-01-29T09:06:15Z) - 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 [15.877248368493838]
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) - Graph-based Generative Face Anonymisation with Pose Preservation [49.18049578591058]
AnonyGANは、顔の匿名化のためのGANベースのソリューションである。
ソースアイデンティティに対応する視覚情報を、任意の単一のイメージとして提供される条件IDに置き換える。
論文 参考訳(メタデータ) (2021-12-10T12:58:17Z) - Master Face Attacks on Face Recognition Systems [45.090037010778765]
顔認証は、個人認証番号やアンロックパターンを使った認証よりも、特にモバイルデバイスで広く使われている。
これまでの研究は、顔認識システム内の複数の登録テンプレートにマッチするマスターフェイスの存在を証明してきた。
本稿では,マスタ顔の生成によく用いられる潜在変数進化(LVE)について広範な研究を行う。
論文 参考訳(メタデータ) (2021-09-08T02:11:35Z) - 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) - 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) - 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。