論文の概要: GANonymization: A GAN-based Face Anonymization Framework for Preserving Emotional Expressions

• arxiv url: http://arxiv.org/abs/2305.02143v1
• Date: Wed, 3 May 2023 14:22:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 14:35:27.558120
• Title: GANonymization: A GAN-based Face Anonymization Framework for Preserving Emotional Expressions
• Title（参考訳）: ganonymization: 感情表現を保存するためのganベースの顔匿名化フレームワーク
• Authors: Fabio Hellmann, Silvan Mertes, Mohamed Benouis, Alexander Hustinx, Tzung-Chien Hsieh, Cristina Conati, Peter Krawitz, Elisabeth Andr\'e
• Abstract要約: GANonymizationは、表情保存能力を持つ新しい顔匿名化フレームワークである。 我々のアプローチは,GAN(Generative Adversarial Network)に基づく匿名化バージョンに合成された顔の高レベル表現に基づく。
• 参考スコア（独自算出の注目度）: 51.6241722270999
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, the increasing availability of personal data has raised concerns regarding privacy and security. One of the critical processes to address these concerns is data anonymization, which aims to protect individual privacy and prevent the release of sensitive information. This research focuses on the importance of face anonymization. Therefore, we introduce GANonymization, a novel face anonymization framework with facial expression-preserving abilities. Our approach is based on a high-level representation of a face which is synthesized into an anonymized version based on a generative adversarial network (GAN). The effectiveness of the approach was assessed by evaluating its performance in removing identifiable facial attributes to increase the anonymity of the given individual face. Additionally, the performance of preserving facial expressions was evaluated on several affect recognition datasets and outperformed the state-of-the-art method in most categories. Finally, our approach was analyzed for its ability to remove various facial traits, such as jewelry, hair color, and multiple others. Here, it demonstrated reliable performance in removing these attributes. Our results suggest that GANonymization is a promising approach for anonymizing faces while preserving facial expressions.
• Abstract（参考訳）: 近年、個人情報の入手が増加し、プライバシーとセキュリティに関する懸念が高まっている。 これらの懸念に対処する重要なプロセスの1つは、個人のプライバシーを保護し、機密情報の公開を防止することを目的とした、データ匿名化である。 本研究は顔の匿名化の重要性に焦点を当てる。 そこで,顔表情保存機能を備えた顔匿名化フレームワークであるGANonymizationを導入する。 本手法は,gan(generative adversarial network)に基づく匿名化バージョンに合成された顔の高レベル表現に基づいている。 本手法の有効性を,特定可能な顔属性を除去し,個々の顔の匿名性を高めることにより評価した。 また,感情認識データセットで表情保存性能を評価し,ほとんどのカテゴリで最先端の手法を上回った。 最後に,ジュエリー,ヘアカラー,その他複数の顔特徴を除去できる能力について分析した。 ここでは,これらの属性の除去において,信頼性の高い性能を示す。 以上の結果から,顔表情を保ちながら顔の匿名化に期待できるアプローチであることが示唆された。

関連論文リスト

• 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)
• 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)
• 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)
• Fantômas: Understanding Face Anonymization Reversibility [3.18294468240512]
  顔画像は、個人を特定し、それらの個人情報を推測するのに使用できる豊富な情報源である。 このプライバシーリスクを軽減するために、匿名化では、鮮明な画像を変換して機密情報を難読化している。 匿名化画像を実際の入力に類似させることは、匿名化の欠陥を示す最強の指標である。
  論文  参考訳（メタデータ） (2022-10-19T15:28:52Z)
• Face Anonymization by Manipulating Decoupled Identity Representation [5.26916168336451]
  本稿では,顔画像の識別情報をわずかな修正で漏洩から保護する手法を提案する。 具体的には、生成的敵ネットワークの力を利用する他の顔属性と同一性表現を分離する。 モデルの不整合性を回避し、匿名性生成(AIG)を効果的に行う手法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T07:39:54Z)
• Safe Fakes: Evaluating Face Anonymizers for Face Detectors [0.0]
  本稿では,顔検出装置の教師付き訓練における画像匿名化の効果に関する最初の実証研究を行う。 従来の顔匿名化手法と最先端の3つのGAN(Generative Adrial Network-based)手法を比較した。 すべてのテストされた匿名化方法は訓練された顔検出器の性能を低下させますが、GANを使用して匿名化される表面は従来の方法よりはるかに小さい性能の低下を引き起こします。
  論文  参考訳（メタデータ） (2021-04-23T17:16:23Z)
• 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)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• 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。