論文の概要: OPOM: Customized Invisible Cloak towards Face Privacy Protection

• arxiv url: http://arxiv.org/abs/2205.11981v1
• Date: Tue, 24 May 2022 11:29:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-25 14:25:55.826159
• Title: OPOM: Customized Invisible Cloak towards Face Privacy Protection
• Title（参考訳）: OPOM: 顔のプライバシー保護のためにカスタマイズされた見えないクローク
• Authors: Yaoyao Zhong and Weihong Deng
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 58.07786010689529
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While convenient in daily life, face recognition technologies also raise privacy concerns for regular users on the social media since they could be used to analyze face images and videos, efficiently and surreptitiously without any security restrictions. In this paper, we investigate the face privacy protection from a technology standpoint based on a new type of customized cloak, which can be applied to all the images of a regular user, to prevent malicious face recognition systems from uncovering their identity. Specifically, we propose a new method, named one person one mask (OPOM), to generate person-specific (class-wise) universal masks by optimizing each training sample in the direction away from the feature subspace of the source identity. To make full use of the limited training images, we investigate several modeling methods, including affine hulls, class centers, and convex hulls, to obtain a better description of the feature subspace of source identities. The effectiveness of the proposed method is evaluated on both common and celebrity datasets against black-box face recognition models with different loss functions and network architectures. In addition, we discuss the advantages and potential problems of the proposed method. In particular, we conduct an application study on the privacy protection of a video dataset, Sherlock, to demonstrate the potential practical usage of the proposed method. Datasets and code are available at https://github.com/zhongyy/OPOM.
• Abstract（参考訳）: 日常的に便利だが、顔認識技術は、顔の画像やビデオを分析するためにソーシャルメディア上の通常のユーザーにとって、セキュリティ上の制約なしに効率よく、そして不定期に利用できるため、プライバシー上の懸念を生じさせる。 本稿では,通常のユーザのすべての画像に適用可能な,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の顔のプライバシ保護について検討し,悪意のある顔認証システムによる識別の発見を防止する。 具体的には、各トレーニングサンプルをソースidのフィーチャーサブスペースから離れた方向に最適化することにより、個人固有の(クラス毎の)ユニバーサルマスクを生成する、one person one mask(opom)という新しい方法を提案する。 限られた訓練画像をフル活用するために,アフィン殻,クラスセンタ,凸殻など複数のモデリング手法について検討し,情報源の特徴部分空間をよりよく記述する。 本手法の有効性を,損失関数とネットワークアーキテクチャの異なるブラックボックス顔認識モデルに対して,共通および有名両方のデータセットで評価した。 また,提案手法の利点と潜在的な問題点についても考察する。 特に,ビデオデータセットであるSherlockのプライバシ保護に関するアプリケーション研究を行い,提案手法の実用性を実証する。 データセットとコードはhttps://github.com/zhongyy/OPOM.comで入手できる。

関連論文リスト

• Masked Differential Privacy [64.32494202656801]
  本稿では,差分プライバシーを適用した機密領域を制御できる「マスク型差分プライバシー(DP)」という効果的なアプローチを提案する。 提案手法はデータに基づいて選択的に動作し,DPアプリケーションや差分プライバシーをデータサンプル内の他のプライバシー技術と組み合わせることなく,非感性時間領域を定義できる。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• 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)
• PrivacyGAN: robust generative image privacy [0.0]
  画像のユーザビリティを維持しながらプライバシを保護する新しいアプローチであるPrivacyGANを導入する。 Fawkesからインスピレーションを得たこの手法では、埋め込み空間内の元の画像をデコイ画像にシフトさせる。 本手法は未知の埋め込み転送シナリオにおいても有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-19T08:56:09Z)
• 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)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• CLIP2Protect: Protecting Facial Privacy using Text-Guided Makeup via Adversarial Latent Search [10.16904417057085]
  ディープラーニングベースの顔認識システムは、デジタル世界のユーザを無許可で追跡することができる。 既存のプライバシーを強化する方法は、ユーザー体験を損なうことなく、顔のプライバシーを保護することができる自然主義的なイメージを生成するのに失敗する。 本稿では,事前学習された生成モデルの低次元多様体における逆潜時符号の発見に依存する,顔のプライバシー保護のための新しい2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-16T17:58:15Z)
• 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。