論文の概要: A Key-Driven Framework for Identity-Preserving Face Anonymization
- arxiv url: http://arxiv.org/abs/2409.03434v1
- Date: Thu, 5 Sep 2024 11:35:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 21:00:20.712050
- Title: A Key-Driven Framework for Identity-Preserving Face Anonymization
- Title(参考訳): アイデンティティ保護による顔匿名化のためのキー駆動フレームワーク
- Authors: Miaomiao Wang, Guang Hua, Sheng Li, Guorui Feng,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 23.464459834036035
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Virtual faces are crucial content in the metaverse. Recently, attempts have been made to generate virtual faces for privacy protection. Nevertheless, these virtual faces either permanently remove the identifiable information or map the original identity into a virtual one, which loses the original identity forever. In this study, we first attempt to address the conflict between privacy and identifiability in virtual faces, where a key-driven face anonymization and authentication recognition (KFAAR) framework is proposed. Concretely, the KFAAR framework consists of a head posture-preserving virtual face generation (HPVFG) module and a key-controllable virtual face authentication (KVFA) module. The HPVFG module uses a user key to project the latent vector of the original face into a virtual one. Then it maps the virtual vectors to obtain an extended encoding, based on which the virtual face is generated. By simultaneously adding a head posture and facial expression correction module, the virtual face has the same head posture and facial expression as the original face. During the authentication, we propose a KVFA module to directly recognize the virtual faces using the correct user key, which can obtain the original identity without exposing the original face image. We also propose a multi-task learning objective to train HPVFG and KVFA. Extensive experiments demonstrate the advantages of the proposed HPVFG and KVFA modules, which effectively achieve both facial anonymity and identifiability.
- Abstract(参考訳): 仮想顔はメタバースの重要な内容です。
近年,プライバシー保護のための仮想顔生成の試みが試みられている。
それでも、これらの仮想顔は、識別可能な情報を永久に取り除いたり、元のアイデンティティを仮想顔にマッピングしたりすることで、元のアイデンティティは永久に失われる。
本研究では,仮想顔におけるプライバシと識別可能性の対立に対処する試みとして,鍵駆動型顔匿名化と認証認識(KFAAR)フレームワークを提案する。
具体的には、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。
HPVFGモジュールはユーザキーを使用して、元の顔の潜伏ベクトルを仮想キーに投影する。
次に仮想ベクトルをマッピングし、仮想顔を生成する拡張符号化を得る。
頭部姿勢と表情補正モジュールを同時に追加することにより、仮想顔は、元の顔と同じ頭部姿勢と表情を有する。
認証中,KVFAモジュールは,元の顔画像を公開することなく,元の識別情報を取得することができる。
また,HPVFGとKVFAを学習するためのマルチタスク学習手法を提案する。
大規模な実験はHPVFGとKVFAモジュールの利点を示し、顔の匿名性と識別性の両方を効果的に実現している。
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) - G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。
本稿では,Gtextsuperscript2Faceを提案する。
提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
論文 参考訳(メタデータ) (2024-08-18T12:36:47Z) - 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) - Seeing is not Believing: An Identity Hider for Human Vision Privacy Protection [16.466136884030977]
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) - FaceDancer: Pose- and Occlusion-Aware High Fidelity Face Swapping [62.38898610210771]
そこで我々は,FaceDancerという顔のスワップとID転送のための新しい単一ステージ手法を提案する。
アダプティブ・フィーチャー・フュージョン・アテンション(AFFA)と解釈的特徴類似性規則化(IFSR)の2つの主要なコントリビューションがある。
論文 参考訳(メタデータ) (2022-10-19T11:31:38Z) - 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) - 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) - 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) - 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。