論文の概要: PerFace: Metric Learning in Perceptual Facial Similarity for Enhanced Face Anonymization
- arxiv url: http://arxiv.org/abs/2509.20281v1
- Date: Wed, 24 Sep 2025 16:15:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-25 20:53:19.89898
- Title: PerFace: Metric Learning in Perceptual Facial Similarity for Enhanced Face Anonymization
- Title（参考訳）: PerFace: 顔匿名化のための知覚的顔類似性におけるメトリックラーニング
- Authors: Haruka Kumagai, Leslie Wöhler, Satoshi Ikehata, Kiyoharu Aizawa,
- Abstract要約: 本稿では,人間の知覚に基づく顔類似度尺度を提案し,その類似度を予測するために6,400のトリプルトアノテーションとメートル法学習のデータセットを作成する。
実験の結果,既存手法に比べて顔類似度予測と属性に基づく顔分類の双方において顕著な改善が認められた。
- 参考スコア（独自算出の注目度）: 33.653319607273495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In response to rising societal awareness of privacy concerns, face anonymization techniques have advanced, including the emergence of face-swapping methods that replace one identity with another. Achieving a balance between anonymity and naturalness in face swapping requires careful selection of identities: overly similar faces compromise anonymity, while dissimilar ones reduce naturalness. Existing models, however, focus on binary identity classification "the same person or not", making it difficult to measure nuanced similarities such as "completely different" versus "highly similar but different." This paper proposes a human-perception-based face similarity metric, creating a dataset of 6,400 triplet annotations and metric learning to predict the similarity. Experimental results demonstrate significant improvements in both face similarity prediction and attribute-based face classification tasks over existing methods.
- Abstract（参考訳）: プライバシーに関する社会的認識の高まりに対応して、顔の匿名化技術が進歩し、あるアイデンティティを別のアイデンティティに置き換えるフェイススワッピング手法が出現した。
顔スワップにおける匿名性と自然性の間のバランスを達成するには、非常に類似した顔が匿名性を損なう一方、異質な顔は自然性を低下させる。
しかし、既存のモデルは「同一人物か否か」という二項識別分類に焦点を当てており、「完全に異なる」か「非常に似ているが異なる」といったニュアンスな類似性を測定することは困難である。
本稿では,人間の知覚に基づく顔類似度尺度を提案し,その類似度を予測するために6,400のトリプルトアノテーションとメートル法学習のデータセットを作成する。
実験の結果,既存手法に比べて顔類似度予測と属性に基づく顔分類の双方において顕著な改善が認められた。
関連論文リスト
- A novel Facial Recognition technique with Focusing on Masked Faces [0.26120191698993106]
本研究では,マスクのない顔マッチングモデル(MUFM)を提案する。
このモデルは、視覚幾何学グループ(VGG16)モデルを用いて、重要な顔の特徴を抽出する。
コサイン類似度尺度は、同一人物のマスクとマスクされていない顔を比較するために用いられる。
論文 参考訳（メタデータ） (2025-01-08T11:53:30Z) - 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) - Local Features Meet Stochastic Anonymization: Revolutionizing Privacy-Preserving Face Recognition for Black-Box Models [54.88064975480573]
プライバシー保護顔認証(PPFR)の課題は現在、2つの未解決課題に直面している。
グローバルな特徴の破壊と局所的な特徴の強化により,ブラックボックス環境においても効果的に認識できる。
本手法は,ブラックボックスモデルの平均認識精度94.21%を達成し,プライバシ保護とアンチコンストラクションの両面で既存手法よりも優れていた。
論文 参考訳（メタデータ） (2024-12-11T10:49:15Z) - Face Anonymization Made Simple [44.24233169815565]
現在の顔の匿名化技術は、しばしば、不正確で信頼性の低い顔認識モデルによって計算されたアイデンティティ損失に依存する。
対照的に,本手法では再建損失のみを伴う拡散モデルを用いて,顔のランドマークやマスクの必要性を排除している。
本モデルは,アイデンティティの匿名化,顔の保存,画質の3つの重要な領域において,最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-11-01T17:45:21Z) - GANonymization: A GAN-based Face Anonymization Framework for Preserving
Emotional Expressions [43.017036538109274]
GANonymizationは、表情保存能力を持つ新しい顔匿名化フレームワークである。
提案手法は, 顔の高レベル表現をベースとして, GAN(Generative Adversarial Network)に基づく匿名化バージョンに合成する。
論文 参考訳（メタデータ） (2023-05-03T14:22:48Z) - Benchmarking Human Face Similarity Using Identical Twins [5.93228031688634]
自動顔認識(FR)アプリケーションにおいて、双子の双子と双子以外の見た目を区別する問題はますます重要になっている。
この研究は、2つのFR課題に対処するために、これまでにコンパイルされた最大のツインデータセットの1つを応用したものである。
論文 参考訳（メタデータ） (2022-08-25T01:45:02Z) - Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。
本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
論文 参考訳（メタデータ） (2020-11-17T18:12:41Z)
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。