論文の概要: Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization

• arxiv url: http://arxiv.org/abs/2510.24213v1
• Date: Tue, 28 Oct 2025 09:28:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 15:35:36.919814
• Title: Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization
• Title（参考訳）: 推論の介入を超えて: 顔匿名化のためのアイデンティティ分離拡散
• Authors: Haoxin Yang, Yihong Lin, Jingdan Kang, Xuemiao Xu, Yue Li, Cheng Xu, Shengfeng He,
• Abstract要約: 顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 55.29071072675132
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face anonymization aims to conceal identity information while preserving non-identity attributes. Mainstream diffusion models rely on inference-time interventions such as negative guidance or energy-based optimization, which are applied post-training to suppress identity features. These interventions often introduce distribution shifts and entangle identity with non-identity attributes, degrading visual fidelity and data utility. To address this, we propose \textbf{ID\textsuperscript{2}Face}, a training-centric anonymization framework that removes the need for inference-time optimization. The rationale of our method is to learn a structured latent space where identity and non-identity information are explicitly disentangled, enabling direct and controllable anonymization at inference. To this end, we design a conditional diffusion model with an identity-masked learning scheme. An Identity-Decoupled Latent Recomposer uses an Identity Variational Autoencoder to model identity features, while non-identity attributes are extracted from same-identity pairs and aligned through bidirectional latent alignment. An Identity-Guided Latent Harmonizer then fuses these representations via soft-gating conditioned on noisy feature prediction. The model is trained with a recomposition-based reconstruction loss to enforce disentanglement. At inference, anonymization is achieved by sampling a random identity vector from the learned identity space. To further suppress identity leakage, we introduce an Orthogonal Identity Mapping strategy that enforces orthogonality between sampled and source identity vectors. Experiments demonstrate that ID\textsuperscript{2}Face outperforms existing methods in visual quality, identity suppression, and utility preservation.
• Abstract（参考訳）: 顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 主流拡散モデルは、負のガイダンスやエネルギーベースの最適化のような推論時間の介入に頼っている。 これらの介入は、しばしば分布シフトや非同一性属性との絡み合ったアイデンティティを導入し、視覚的忠実度とデータユーティリティを低下させる。 これを解決するために、推論時間最適化の必要性を取り除くトレーニング中心の匿名化フレームワークである \textbf{ID\textsuperscript{2}Face} を提案する。 提案手法の理論的根拠は,識別情報と非同一性情報とが明示的に切り離された構造付き潜在空間を学習し,推論時の直接および制御可能な匿名化を可能にすることである。 この目的のために,恒等学習方式を用いた条件拡散モデルの設計を行う。 同一性分離潜時分解器は、同一性の特徴をモデル化するためにアイデンティティ変分オートエンコーダを使用し、非同一性属性は同一性ペアから抽出され、双方向潜時アライメントを介してアライメントされる。 アイデンティティ誘導ラテント調和器は、ノイズのある特徴予測に基づいて、これらの表現をソフトゲーティング条件で融合する。 モデルは、解体を強制するために、再構成に基づく再構築損失で訓練される。 推論において、匿名化は学習したアイデンティティ空間からランダムなIDベクトルをサンプリングすることによって達成される。 識別情報の漏洩をさらに抑制するために,サンプルとソースの同一性ベクトル間の直交性を強制する直交IDマッピング戦略を導入する。 実験により、ID\textsuperscript{2}Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存のメソッドよりも優れていることが示された。

関連論文リスト

• SELFI: Selective Fusion of Identity for Generalizable Deepfake Detection [16.500269508552844]
  顔認証はディープフェイク検出のための強力な信号を提供する。 偏見を減らすためにアイデンティティーの手がかりを抑えるものもあれば、法医学的な証拠としてそれらに依存するものもある。 textbfSELFI(textbfSELective textbfIdentity)を提案する。
  論文  参考訳（メタデータ） (2025-06-21T05:11:35Z)
• PIDiff: Image Customization for Personalized Identities with Diffusion Models [13.726194815227464]
  PIDiff という名前の個人識別テキスト・画像生成のためのファインチューニングに基づく新しい拡散モデルを提案する。 PIDiffは意味的絡み合いを回避し、正確な特徴抽出と局所化を実現する。
  論文  参考訳（メタデータ） (2025-05-08T09:26:28Z)
• 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)
• Infinite-ID: Identity-preserved Personalization via ID-semantics Decoupling Paradigm [31.06269858216316]
  アイデンティティ保存型パーソナライゼーションのためのID-セマンティックデカップリングパラダイムであるInfinite-IDを提案する。 我々は、十分なID情報を取得するために、追加のイメージクロスアテンションモジュールを組み込んだアイデンティティ強化トレーニングを導入する。 また、2つのストリームをシームレスにマージするために、混合アテンションモジュールとAdaIN平均演算を組み合わせた機能相互作用機構を導入する。
  論文  参考訳（メタデータ） (2024-03-18T13:39:53Z)
• Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification [55.741525129613535]
  匿名化前の混乱」は、新しい二段階フレームワーク(DBAF)である このフレームワークには、Contrastive Identity Disentanglement (CID)モジュールとKey-authorized Reversible Identity Anonymization (KRIA)モジュールが含まれている。 大規模な実験により,本手法は最先端の非識別手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-15T08:59:02Z)
• 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。