論文の概要: Facial Attribute Based Text Guided Face Anonymization

• arxiv url: http://arxiv.org/abs/2505.21002v1
• Date: Tue, 27 May 2025 10:36:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.582944
• Title: Facial Attribute Based Text Guided Face Anonymization
• Title（参考訳）: 顔の匿名化を指導した顔属性に基づくテキスト
• Authors: Mustafa İzzet Muştu, Hazım Kemal Ekenel,
• Abstract要約: データプライバシ規則は、個人データを処理するための個人の同意の必要性を強調している。 本稿では,この課題を克服するために,ディープラーニングに基づく顔匿名化パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing prevalence of computer vision applications necessitates handling vast amounts of visual data, often containing personal information. While this technology offers significant benefits, it should not compromise privacy. Data privacy regulations emphasize the need for individual consent for processing personal data, hindering researchers' ability to collect high-quality datasets containing the faces of the individuals. This paper presents a deep learning-based face anonymization pipeline to overcome this challenge. Unlike most of the existing methods, our method leverages recent advancements in diffusion-based inpainting models, eliminating the need for training Generative Adversarial Networks. The pipeline employs a three-stage approach: face detection with RetinaNet, feature extraction with VGG-Face, and realistic face generation using the state-of-the-art BrushNet diffusion model. BrushNet utilizes the entire image, face masks, and text prompts specifying desired facial attributes like age, ethnicity, gender, and expression. This enables the generation of natural-looking images with unrecognizable individuals, facilitating the creation of privacy-compliant datasets for computer vision research.
• Abstract（参考訳）: コンピュータビジョンアプリケーションの普及は、しばしば個人情報を含む膨大な量の視覚データを扱う必要がある。 この技術は大きな利益をもたらすが、プライバシーを侵害するべきではない。 データプライバシ規則は、個人データの処理に対する個人の同意の必要性を強調し、研究者が個人の顔を含む高品質なデータセットを収集する能力を妨げている。 本稿では,この課題を克服するために,ディープラーニングに基づく顔匿名化パイプラインを提案する。 既存のほとんどの手法と異なり,本手法は拡散型塗装モデルの最近の進歩を活用し,ジェネレーティブ・アドバイサル・ネットワークのトレーニングの必要性を排除している。 このパイプラインは、RetinaNetによる顔検出、VGG-Faceによる特徴抽出、最先端のBrushNet拡散モデルを用いた現実的な顔生成という3段階のアプローチを採用している。 BrushNetは、画像全体、フェイスマスク、テキストプロンプトを利用して、年齢、民族、性別、表現など、望ましい顔属性を指定する。 これにより、認識不能な個人による自然な画像の生成が可能になり、コンピュータビジョン研究のためのプライバシに準拠したデータセットの作成が容易になる。

関連論文リスト

• Assessing the Use of Face Swapping Methods as Face Anonymizers in Videos [0.0]
  顔のスワップは一貫した顔の遷移を生じさせ、映像データのアイデンティティを効果的に隠すことができる。 結果は、プライバシー保護ビデオアプリケーションに対する顔交換の適性を強調し、匿名化に焦点を当てた顔スワッピングモデルにおける将来の進歩の基盤を固めた。
  論文  参考訳（メタデータ） (2025-05-27T10:19:11Z)
• Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation [56.46932751058042]
  我々は、テキストから画像への拡散モデルのための学習可能なプロンプトプレフィックスをトレーニングし、匿名化された顔のアイデンティティを生成するよう強制する。 実験では,非同一性固有の画像生成の品質を損なうことなく,特定の個人を匿名化するAPLの匿名化性能を実証した。
  論文  参考訳（メタデータ） (2024-05-27T07:38:26Z)
• 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)
• DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
  DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。 非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。 重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
  論文  参考訳（メタデータ） (2024-03-27T11:32:44Z)
• Generalized Face Liveness Detection via De-fake Face Generator [52.23271636362843]
  以前の顔アンチスプーフィング(FAS)手法は、目に見えない領域に一般化するという課題に直面している。 本稿では,大規模に付加的な現実面を効果的に活用できるAnomalous cue Guided FAS (AG-FAS)法を提案する。 提案手法は,未知のシナリオと未知のプレゼンテーションアタックを用いたクロスドメイン評価において,最先端の結果を実現する。
  論文  参考訳（メタデータ） (2024-01-17T06:59:32Z)
• 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)
• 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)
• FaceOcc: A Diverse, High-quality Face Occlusion Dataset for Human Face Extraction [3.8502825594372703]
  隠蔽は野生の顔画像にしばしば発生し、ランドマーク検出や3D再構成、顔認識といった顔関連の課題に悩まされる。 本稿では,CelebA本社とインターネットから手動で顔の隠蔽をラベル付けした新しい顔のセグメンテーションデータセットを提案する。 簡単な顔分割モデルの訓練を行ったが,SOTA性能が得られ,提案したデータセットの有効性を実証した。
  論文  参考訳（メタデータ） (2022-01-20T19:44:18Z)

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。