論文の概要: Restoring Gaussian Blurred Face Images for Deanonymization Attacks

• arxiv url: http://arxiv.org/abs/2506.12344v1
• Date: Sat, 14 Jun 2025 04:41:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:45.893218
• Title: Restoring Gaussian Blurred Face Images for Deanonymization Attacks
• Title（参考訳）: 匿名化攻撃のためのガウスの顔画像の復元
• Authors: Haoyu Zhai, Shuo Wang, Pirouz Naghavi, Qingying Hao, Gang Wang,
• Abstract要約: 我々は、ぼやけた顔を復元するRevelioと呼ばれるデブロアリング手法を開発した。 再同定精度は95.9%で、既存のソリューションより優れている。
• 参考スコア（独自算出の注目度）: 10.144422599208111
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Gaussian blur is widely used to blur human faces in sensitive photos before the photos are posted on the Internet. However, it is unclear to what extent the blurred faces can be restored and used to re-identify the person, especially under a high-blurring setting. In this paper, we explore this question by developing a deblurring method called Revelio. The key intuition is to leverage a generative model's memorization effect and approximate the inverse function of Gaussian blur for face restoration. Compared with existing methods, we design the deblurring process to be identity-preserving. It uses a conditional Diffusion model for preliminary face restoration and then uses an identity retrieval model to retrieve related images to further enhance fidelity. We evaluate Revelio with large public face image datasets and show that it can effectively restore blurred faces, especially under a high-blurring setting. It has a re-identification accuracy of 95.9%, outperforming existing solutions. The result suggests that Gaussian blur should not be used for face anonymization purposes. We also demonstrate the robustness of this method against mismatched Gaussian kernel sizes and functions, and test preliminary countermeasures and adaptive attacks to inspire future work.
• Abstract（参考訳）: ガウスのぼかしは、写真がインターネットに投稿される前に人間の顔を繊細な写真でぼかすために広く使われている。 しかし、ぼやけた顔がどの程度復元できるかははっきりしないが、特に高彩度環境では、人物の身元を特定できる。 本稿では,Revelioと呼ばれるデブロアリング手法を考案し,この問題について考察する。 鍵となる直感は、生成モデルの記憶効果を利用し、顔の復元のためにガウスのぼかしの逆関数を近似することである。 既存の手法と比較すると,識別を保存できるようなデブロアリングプロセスが設計されている。 顔の予備復元に条件付き拡散モデルを使用し、その上で識別検索モデルを用いて関連画像の検索を行い、忠実度をさらに向上する。 大規模な公開顔画像データセットを用いてRevelioを評価し,特に高輝度環境下では,顔のぼやけを効果的に復元できることを示す。 再同定精度は95.9%で、既存のソリューションより優れている。 その結果、顔の匿名化のためにガウスのぼかしは使用すべきでないことが示唆された。 また,この手法がガウスのカーネルサイズと関数のミスマッチに対するロバスト性を実証し,事前対策と適応攻撃を検証して今後の研究を刺激する。

関連論文リスト

• Self-Supervised Learning for Detecting AI-Generated Faces as Anomalies [58.11545090128854]
  本稿では、写真顔画像から純粋にカメラ固有の特徴と顔特有の特徴の自己教師付き学習を活用することで、AI生成顔の異常検出手法について述べる。 提案手法の成功は,特徴抽出器を訓練して4つの通常交換可能な画像ファイルフォーマット(EXIF)をランク付けし,人工的に操作された顔画像の分類を行うプリテキストタスクを設計することにある。
  論文  参考訳（メタデータ） (2025-01-04T06:23:24Z)
• 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)
• Exploring User-level Gradient Inversion with a Diffusion Prior [17.2657358645072]
  本稿では,大規模なバッチ設定の回復性を高めるために,デノナイジング拡散モデルを強い画像として適用した新しい勾配反転攻撃を提案する。 個々のサンプルを再構築し,大規模なバッチや画像サイズに苦しむ従来の攻撃とは違って,本手法では,ユーザに対応する機密性の高い共有セマンティック情報をキャプチャする代表画像の復元が目的である。
  論文  参考訳（メタデータ） (2024-09-11T14:20:47Z)
• 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)
• CLR-Face: Conditional Latent Refinement for Blind Face Restoration Using Score-Based Diffusion Models [57.9771859175664]
  最近の生成優先法は、有望なブラインドフェイス修復性能を示している。 入力に忠実なきめ細かい顔の詳細を生成することは、依然として難しい問題である。 本稿では,VQGANアーキテクチャの内部に拡散型プライマーを導入し,非破壊な潜伏埋め込みにおける分布の学習に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-08T23:51:49Z)
• Restoration by Generation with Constrained Priors [25.906981634736795]
  入力画像にノイズを付加して復調し、復調させることで、画像復元のための事前学習拡散モデルを適用する方法を提案する。 複数の実世界の復元データセットにおいて、アイデンティティと画質の保存において優れた性能を示す。 このアプローチにより、従来の作業ではできなかった高周波の詳細を正確に保存する結果が得られます。
  論文  参考訳（メタデータ） (2023-12-28T17:50:54Z)
• 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)

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。