論文の概要: Make Identity Unextractable yet Perceptible: Synthesis-Based Privacy Protection for Subject Faces in Photos

• arxiv url: http://arxiv.org/abs/2509.11249v1
• Date: Sun, 14 Sep 2025 12:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.994553
• Title: Make Identity Unextractable yet Perceptible: Synthesis-Based Privacy Protection for Subject Faces in Photos
• Title（参考訳）: 写真中の被写体顔に対する合成に基づくプライバシー保護
• Authors: Tao Wang, Yushu Zhang, Xiangli Xiao, Kun Xu, Lin Yuan, Wenying Wen, Yuming Fang,
• Abstract要約: ディープラーニングベースの顔認識(FR)技術は、写真共有におけるプライバシーの懸念をさらに高める。 本稿では,主観的顔,すなわちPerceptFaceを主観的顔に限定した合成法を提案する。 合成ベースの方法として、PerceptFaceは本質的に信頼性の高いID保護を提供することができる。 PerceptFaceは事実上のアンチFRツールになる大きな可能性を秘めています。
• 参考スコア（独自算出の注目度）: 47.35293492950573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning-based face recognition (FR) technology exacerbates privacy concerns in photo sharing. In response, the research community developed a suite of anti-FR methods to block identity extraction by unauthorized FR systems. Benefiting from quasi-imperceptible alteration, perturbation-based methods are well-suited for privacy protection of subject faces in photos, as they allow familiar persons to recognize subjects via naked eyes. However, we reveal that perturbation-based methods provide a false sense of privacy through theoretical analysis and experimental validation. Therefore, new alternative solutions should be found to protect subject faces. In this paper, we explore synthesis-based methods as a promising solution, whose challenge is to enable familiar persons to recognize subjects. To solve the challenge, we present a key insight: In most photo sharing scenarios, familiar persons recognize subjects through identity perception rather than meticulous face analysis. Based on the insight, we propose the first synthesis-based method dedicated to subject faces, i.e., PerceptFace, which can make identity unextractable yet perceptible. To enhance identity perception, a new perceptual similarity loss is designed for faces, reducing the alteration in regions of high sensitivity to human vision. As a synthesis-based method, PerceptFace can inherently provide reliable identity protection. Meanwhile, out of the confine of meticulous face analysis, PerceptFace focuses on identity perception from a more practical scenario, which is also enhanced by the designed perceptual similarity loss. Sufficient experiments show that PerceptFace achieves a superior trade-off between identity protection and identity perception compared to existing methods. We provide a public API of PerceptFace and believe that it has great potential to become a practical anti-FR tool.
• Abstract（参考訳）: ディープラーニングベースの顔認識(FR)技術は、写真共有におけるプライバシーの懸念をさらに高める。 これに対し、研究コミュニティは、不正なFRシステムによるアイデンティティ抽出を阻止する一連のアンチFR手法を開発した。 擬似認識不能な変化から恩恵を受けるため、摂動に基づく手法は、身近な人が裸眼で被写体を認識できるように、写真の被写体を保護するのに適している。 しかし,摂動に基づく手法は,理論的解析と実験的検証を通じて,誤ったプライバシー意識をもたらすことが明らかとなった。 したがって、被験者の顔を保護する新しい代替手段を見出す必要がある。 本稿では,親しみのある被験者が対象を認識できるようにすることが課題である,有望な解決法として合成法を探求する。 多くの写真共有シナリオでは、精巧な顔分析よりも、身元認識によって身元を認識できる。 そこで本研究では,主観的顔(PerceptFace)に特化した最初の合成法を提案する。 識別認知を高めるために、顔に対して新しい知覚的類似性損失を設計し、人間の視覚に対する高い感度の領域における変化を減らす。 合成ベースの方法として、PerceptFaceは本質的に信頼性の高いID保護を提供することができる。 一方、繊細な顔分析の限界から、PerceptFaceはより実践的なシナリオからの識別に重点を置いている。 十分な実験により、PerceptFaceは、既存の方法に比べてアイデンティティ保護とアイデンティティ認識のトレードオフが優れていることが示された。 PerceptFaceの公開APIを提供しており、実用的なアンチFRツールになる大きな可能性を秘めています。

関連論文リスト

• De-Fake: Style based Anomaly Deepfake Detection [4.62170384991303]
  フェイススワップのディープフェイクは、偽の情報を広め、評判を損ね、政治的意見を操り、非合意の親密なディープフェイク(NCID)を作り、子供を搾取するために使われる。 既存のディープフェイク検出方法は、顔のランドマークやピクセルレベルの特徴の不整合に依存している。 我々は、プライバシー保護の方法で顔スワップを検出する信頼性とスケーラブルなソリューションを提供するSafeVisionを開発した。
  論文  参考訳（メタデータ） (2025-07-04T06:42:51Z)
• iFADIT: Invertible Face Anonymization via Disentangled Identity Transform [51.123936665445356]
  顔の匿名化は、個人のプライバシーを保護するために顔の視覚的アイデンティティを隠すことを目的としている。 Invertible Face Anonymization の頭字語 iFADIT を Disentangled Identity Transform を用いて提案する。
  論文  参考訳（メタデータ） (2025-01-08T10:08:09Z)
• 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)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• IdentityDP: Differential Private Identification Protection for Face Images [17.33916392050051]
  顔の非識別、別名顔の匿名化は、実際のアイデンティティが隠されている間、同様の外観と同じ背景を持つ別の画像を生成することを指します。 我々は,データ駆動型ディープニューラルネットワークと差分プライバシー機構を組み合わせた顔匿名化フレームワークであるIdentityDPを提案する。 我々のモデルは、顔の識別関連情報を効果的に難読化し、視覚的類似性を保ち、高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2021-03-02T14:26:00Z)
• 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。