論文の概要: VIGFace: Virtual Identity Generation for Privacy-Free Face Recognition

• arxiv url: http://arxiv.org/abs/2403.08277v3
• Date: Thu, 13 Mar 2025 08:06:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 15:49:58.180078
• Title: VIGFace: Virtual Identity Generation for Privacy-Free Face Recognition
• Title（参考訳）: VIGFace:プライバシフリーの顔認識のための仮想ID生成
• Authors: Minsoo Kim, Min-Cheol Sagong, Gi Pyo Nam, Junghyun Cho, Ig-Jae Kim,
• Abstract要約: VIGFaceは合成顔画像を生成する新しいフレームワークである。 これは、既存の個人と仮想顔画像との明確な分離性を示し、自信を持って合成画像を作成することができる。 既存の実際のイメージを組み込むことで、データ拡張によるパフォーマンスの向上を保証する。
• 参考スコア（独自算出の注目度）: 13.81887339529775
• License:
• Abstract: Deep learning-based face recognition continues to face challenges due to its reliance on huge datasets obtained from web crawling, which can be costly to gather and raise significant real-world privacy concerns. To address this issue, we propose VIGFace, a novel framework capable of generating synthetic facial images. Our idea originates from pre-assigning virtual identities in the feature space. Initially, we train the face recognition model using a real face dataset and create a feature space for both real and virtual identities, where virtual prototypes are orthogonal to other prototypes. Subsequently, we train the diffusion model based on the established feature space, enabling it to generate authentic human face images from real prototypes and synthesize virtual face images from virtual prototypes. Our proposed framework provides two significant benefits. Firstly, it shows clear separability between existing individuals and virtual face images, allowing one to create synthetic images with confidence and without concerns about privacy and portrait rights. Secondly, it ensures improved performance through data augmentation by incorporating real existing images. Extensive experiments demonstrate the superiority of our virtual face dataset and framework, outperforming the previous state-of-the-art on various face recognition benchmarks.
• Abstract（参考訳）: ディープラーニングベースの顔認識は、Webクローリングから得られる膨大なデータセットに依存しているため、依然として課題に直面している。 この問題に対処するために,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。 私たちのアイデアは、機能空間の仮想IDを事前に割り当てることから生まれます。 当初、実際の顔データセットを使用して顔認識モデルをトレーニングし、仮想プロトタイプが他のプロトタイプと直交する現実と仮想両方の特徴空間を作成する。 その後、確立された特徴空間に基づいて拡散モデルを訓練し、実際のプロトタイプから真の人間の顔画像を生成し、仮想プロトタイプから仮想顔画像を合成する。 提案するフレームワークには,2つの大きなメリットがあります。 まず、既存の個人と仮想顔画像との明確な分離性を示し、プライバシーや肖像画の権利を気にすることなく、自信を持って合成画像を作成することができる。 第2に、実際の既存のイメージを組み込むことで、データ拡張によるパフォーマンスの向上を保証する。 大規模な実験は、我々の仮想顔データセットとフレームワークの優位性を実証し、様々な顔認識ベンチマークにおける過去の最先端を上回ります。

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)
• Single Image, Any Face: Generalisable 3D Face Generation [59.9369171926757]
  我々は,制約のない単一画像入力を伴う3次元顔を生成する新しいモデルGen3D-Faceを提案する。 私たちの知る限りでは、これは1枚の画像からフォトリアリスティックな3D顔アバターを作るための最初の試みであり、ベンチマークである。
  論文  参考訳（メタデータ） (2024-09-25T14:56:37Z)
• 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)
• Transferable Adversarial Facial Images for Privacy Protection [15.211743719312613]
  視覚的品質を維持しつつ、転送性を改善した新しい顔プライバシー保護方式を提案する。 生成モデルの潜在空間をトラバースするために,まずグローバルな逆潜時探索を利用する。 次に、視覚的アイデンティティ情報を保存するための重要なランドマーク正規化モジュールを導入する。
  論文  参考訳（メタデータ） (2024-07-18T02:16:11Z)
• 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)
• Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
  本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。 顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。 Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
  論文  参考訳（メタデータ） (2022-07-22T17:55:39Z)
• On Generating Identifiable Virtual Faces [13.920942815539256]
  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。
  論文  参考訳（メタデータ） (2021-10-15T10:19:48Z)
• SynFace: Face Recognition with Synthetic Data [83.15838126703719]
  我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。 また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
  論文  参考訳（メタデータ） (2021-08-18T03:41:54Z)
• 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。