論文の概要: Privacy-Preserving Face Recognition Using Trainable Feature Subtraction

• arxiv url: http://arxiv.org/abs/2403.12457v1
• Date: Tue, 19 Mar 2024 05:27:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 15:12:20.574948
• Title: Privacy-Preserving Face Recognition Using Trainable Feature Subtraction
• Title（参考訳）: 訓練可能な特徴サブトラクションを用いたプライバシ保護顔認証
• Authors: Yuxi Mi, Zhizhou Zhong, Yuge Huang, Jiazhen Ji, Jianqing Xu, Jun Wang, Shaoming Wang, Shouhong Ding, Shuigeng Zhou,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 40.47645421424354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The widespread adoption of face recognition has led to increasing privacy concerns, as unauthorized access to face images can expose sensitive personal information. This paper explores face image protection against viewing and recovery attacks. Inspired by image compression, we propose creating a visually uninformative face image through feature subtraction between an original face and its model-produced regeneration. Recognizable identity features within the image are encouraged by co-training a recognition model on its high-dimensional feature representation. To enhance privacy, the high-dimensional representation is crafted through random channel shuffling, resulting in randomized recognizable images devoid of attacker-leverageable texture details. We distill our methodologies into a novel privacy-preserving face recognition method, MinusFace. Experiments demonstrate its high recognition accuracy and effective privacy protection. Its code is available at https://github.com/Tencent/TFace.
• Abstract（参考訳）: 顔認識の普及によりプライバシーの懸念が高まり、顔画像への不正アクセスは機密性の高い個人情報を暴露する可能性がある。 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。 画像圧縮に着想を得て,原顔とモデル生成再生の特徴的部分抽出により,視覚的に非変形的な顔画像を作成することを提案する。 画像内の認識可能な特徴は、その高次元の特徴表現上で認識モデルを協調訓練することによって促進される。 プライバシーを高めるために、高次元表現はランダムチャネルシャッフルによって作成され、攻撃者平均テクスチャの詳細を欠いたランダム化認識可能な画像となる。 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。 実験では、高い認識精度と効果的なプライバシー保護を示す。 コードはhttps://github.com/Tencent/TFace.comで公開されている。

関連論文リスト

• 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)
• 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)
• Privacy-Preserving Face Recognition Using Random Frequency Components [46.95003101593304]
  顔認識によってプライバシーの懸念が高まっている。 人間の知覚可能な低周波成分を抽出することで視覚情報を隠蔽することを提案する。 得られた知見を,プライバシ保護のための新しい顔認識手法であるPartialFaceに抽出する。
  論文  参考訳（メタデータ） (2023-08-21T04:31:02Z)
• 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)
• Privacy-preserving Adversarial Facial Features [31.885215405010687]
  本稿では, 顔のプライバシ保護に配慮した顔のプライバシー保護手法を提案する。 我々は,AdvFaceが再建攻撃に対する防御において,最先端のプライバシー保護手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T08:52:08Z)
• DuetFace: Collaborative Privacy-Preserving Face Recognition via Channel Splitting in the Frequency Domain [23.4606547767188]
  DuetFaceは、周波数領域における協調推論を利用するプライバシー保護の顔認識手法である。 提案手法は、保護されていないArcFaceと同等の認識精度とコストを達成し、最先端のプライバシ保存手法より優れている。
  論文  参考訳（メタデータ） (2022-07-15T08:35:44Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• 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。