論文の概要: AEGIS: Preserving privacy of 3D Facial Avatars with Adversarial Perturbations

• arxiv url: http://arxiv.org/abs/2511.17747v1
• Date: Fri, 21 Nov 2025 19:57:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.394418
• Title: AEGIS: Preserving privacy of 3D Facial Avatars with Adversarial Perturbations
• Title（参考訳）: AEGIS:敵対的摂動を伴う3次元顔アバターのプライバシー保護
• Authors: Dawid Wolkiewicz, Anastasiya Pechko, Przemysław Spurek, Piotr Syga,
• Abstract要約: AEGISは3Dガウスアバターのためのプライバシー保護IDマスキングフレームワークである。 完全な非識別を実現し、顔検索と検証精度を0%に下げる。 また、年齢、人種、性別、感情などの重要な顔の特徴を保存し、視覚的歪みを最小限に抑え、強力なプライバシー保護を示す。
• 参考スコア（独自算出の注目度）: 1.7752675919503664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing adoption of photorealistic 3D facial avatars, particularly those utilizing efficient 3D Gaussian Splatting representations, introduces new risks of online identity theft, especially in systems that rely on biometric authentication. While effective adversarial masking methods have been developed for 2D images, a significant gap remains in achieving robust, viewpoint-consistent identity protection for dynamic 3D avatars. To address this, we present AEGIS, the first privacy-preserving identity masking framework for 3D Gaussian Avatars that maintains the subject's perceived characteristics. Our method aims to conceal identity-related facial features while preserving the avatar's perceptual realism and functional integrity. AEGIS applies adversarial perturbations to the Gaussian color coefficients, guided by a pre-trained face verification network, ensuring consistent protection across multiple viewpoints without retraining or modifying the avatar's geometry. AEGIS achieves complete de-identification, reducing face retrieval and verification accuracy to 0%, while maintaining high perceptual quality (SSIM = 0.9555, PSNR = 35.52 dB). It also preserves key facial attributes such as age, race, gender, and emotion, demonstrating strong privacy protection with minimal visual distortion.
• Abstract（参考訳）: フォトリアリスティックな3D顔アバター、特に効率的な3Dガウス・スプラッティング表現の利用の増加は、特に生体認証に依存するシステムにおいて、オンラインID盗難の新たなリスクをもたらす。 2次元画像に対して効果的な対向マスキング法が開発されているが、ダイナミックな3次元アバターに対して頑健で視点に一貫性のあるアイデンティティ保護を実現する上で、大きなギャップが残っている。 そこで本論文では,3次元ガウスアバターにおけるプライバシ保護のための最初のアイデンティティマスキングフレームワークであるAEGISについて述べる。 本手法は,アバターの知覚的リアリズムと機能的整合性を保ちながら,アイデンティティに関連する顔の特徴を隠蔽することを目的としている。 AEGISは、事前訓練された顔認証ネットワークによって導かれるガウス色係数に逆方向の摂動を適用し、アバターの幾何を調整または修正することなく、複数の視点にわたって一貫した保護を確保する。 AEGISは完全な非識別を実現し、顔の検索と検証の精度を0%まで低下させ、高い知覚品質を維持する(SSIM = 0.9555、PSNR = 35.52 dB)。 また、年齢、人種、性別、感情などの重要な顔の特徴を保存し、視覚的歪みを最小限に抑え、強力なプライバシー保護を示す。

関連論文リスト

• Protego: User-Centric Pose-Invariant Privacy Protection Against Face Recognition-Induced Digital Footprint Exposure [4.752324012811179]
  Clearview AIやPIMEyesのようなサービスは、誰でも顔写真をアップロードして、その人物に関連する大量のオンラインコンテンツを検索できる。 これはID推論を可能にするだけでなく、ソーシャルメディアの活動、プライベート写真、ニュースレポートなどのデジタルフットプリントを、同意なしに公開する。 本稿では,ユーザ中心のプライバシ保護手法であるProtegoを提案する。
  論文  参考訳（メタデータ） (2025-08-04T04:03:01Z)
• Towards Privacy-preserving Photorealistic Self-avatars in Mixed Reality [8.591721920594441]
  フォトリアリスティックな3Dアバター生成は近年急速に改善されており、ユーザの本当の外観にマッチする現実的なアバターは、これまで以上にMR(Mixed Reality)において実現可能である。 しかし、オンラインでの類似性を共有するリスクは知られており、フォトリアリスティックなMRアバターはこれらのリスクを悪化させる可能性がある。 本研究では,より広範なソーシャルMRのための代替アバターレンダリング手法を提案する。顔の生体情報を保護するのに十分な差があると同時に,ユーザの人口統計的アイデンティティを保ちながら,現実的なアバターを合成する。
  論文  参考訳（メタデータ） (2025-07-29T18:37:24Z)
• InstaFace: Identity-Preserving Facial Editing with Single Image Inference [13.067402877443902]
  本稿では,単一の画像のみを用いてアイデンティティを保存しながら,現実的な画像を生成するための,新しい拡散ベースのフレームワークInstaFaceを紹介する。 InstaFaceは、トレーニング可能なパラメータを追加することなく、複数の3DMMベースの条件を統合することで、3Dの視点を活用する。 本手法は, 身元保存, 光リアリズム, ポーズ, 表情, 照明の効果的な制御において, 最先端のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2025-02-27T22:37:09Z)
• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に重大な脅威をもたらす。 この不正行為を防止するため、操作過程を妨害する積極的な防御法が提案されている。 本稿では,IDガード(ID-Guard)と呼ばれる顔の操作に対処するための普遍的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• 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)
• 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)
• 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)
• 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)
• 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。