論文の概要: Secure and reversible face anonymization with diffusion models

• arxiv url: http://arxiv.org/abs/2510.01031v1
• Date: Wed, 01 Oct 2025 15:37:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.648262
• Title: Secure and reversible face anonymization with diffusion models
• Title（参考訳）: 拡散モデルによるセキュアで可逆な顔匿名化
• Authors: Pol Labarbarie, Vincent Itier, William Puech,
• Abstract要約: コンピュータビジョンアルゴリズムによって処理された顔画像には、悪意あるアクターが同意なしにキャプチャできる機密性の高い個人情報が含まれている。 現在の手法では、高品質な画像生成と、後続の人物認証の可逆性を備えたセキュアなスキーム間の良好なトレードオフを提案するのに苦労している。 我々は,拡散モデルに基づく最初のセキュアで高品質な可逆匿名化手法を紹介する。
• 参考スコア（独自算出の注目度）: 5.73376101146772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face images processed by computer vision algorithms contain sensitive personal information that malicious actors can capture without consent. These privacy and security risks highlight the need for effective face anonymization methods. Current methods struggle to propose a good trade-off between a secure scheme with high-quality image generation and reversibility for later person authentication. Diffusion-based approaches produce high-quality anonymized images but lack the secret key mechanism to ensure that only authorized parties can reverse the process. In this paper, we introduce, to our knowledge, the first secure, high-quality reversible anonymization method based on a diffusion model. We propose to combine the secret key with the latent faces representation of the diffusion model. To preserve identity-irrelevant features, generation is constrained by a facial mask, maintaining high-quality images. By using a deterministic forward and backward diffusion process, our approach enforces that the original face can be recovered with the correct secret key. We also show that the proposed method produces anonymized faces that are less visually similar to the original faces, compared to other previous work.
• Abstract（参考訳）: コンピュータビジョンアルゴリズムによって処理された顔画像には、悪意あるアクターが同意なしにキャプチャできる機密性の高い個人情報が含まれている。 これらのプライバシーとセキュリティのリスクは、効果的な顔の匿名化方法の必要性を浮き彫りにする。 現在の手法では、高品質な画像生成と、後続の人物認証の可逆性を備えたセキュアなスキーム間の良好なトレードオフを提案するのに苦労している。 拡散に基づくアプローチは高品質な匿名化イメージを生成するが、認証された関係者だけがプロセスの反転を確実にするための秘密鍵機構が欠如している。 本稿では,拡散モデルに基づく最初のセキュアで高品質な可逆匿名化手法について紹介する。 本稿では,秘密鍵と拡散モデルの潜在顔表現を組み合わせることを提案する。 アイデンティティ非関連の特徴を維持するため、顔マスクによって生成を制約し、高品質な画像を維持する。 決定論的前方及び後方拡散法を用いて,本手法では,元の顔が正しい秘密鍵で復元できることを強制する。 また,提案手法は,他の研究と比較して,本来の顔と視覚的に類似しない匿名化顔を生成する。

関連論文リスト

• 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 Trainable Feature Subtraction [40.47645421424354]
  顔認識はプライバシーの懸念を増している。 本稿では,視覚障害と回復障害に対する顔画像保護について検討する。 我々は,この手法を新たなプライバシ保護顔認識手法であるMinusFaceに精錬する。
  論文  参考訳（メタデータ） (2024-03-19T05:27:52Z)
• 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)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
  本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。 本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
  論文  参考訳（メタデータ） (2022-04-26T14:36:06Z)
• 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。