論文の概要: Reverse Personalization

• arxiv url: http://arxiv.org/abs/2512.22984v1
• Date: Sun, 28 Dec 2025 16:06:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.311398
• Title: Reverse Personalization
• Title（参考訳）: リバースパーソナライゼーション
• Authors: Han-Wei Kung, Tuomas Varanka, Nicu Sebe,
• Abstract要約: 顔の匿名化のための逆パーソナライズフレームワークを導入する。 顔の属性を制御できない従来の匿名化手法とは異なり、我々のフレームワークは属性制御可能な匿名化をサポートしている。
• 参考スコア（独自算出の注目度）: 48.09783075634403
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent text-to-image diffusion models have demonstrated remarkable generation of realistic facial images conditioned on textual prompts and human identities, enabling creating personalized facial imagery. However, existing prompt-based methods for removing or modifying identity-specific features rely either on the subject being well-represented in the pre-trained model or require model fine-tuning for specific identities. In this work, we analyze the identity generation process and introduce a reverse personalization framework for face anonymization. Our approach leverages conditional diffusion inversion, allowing direct manipulation of images without using text prompts. To generalize beyond subjects in the model's training data, we incorporate an identity-guided conditioning branch. Unlike prior anonymization methods, which lack control over facial attributes, our framework supports attribute-controllable anonymization. We demonstrate that our method achieves a state-of-the-art balance between identity removal, attribute preservation, and image quality. Source code and data are available at https://github.com/hanweikung/reverse-personalization .
• Abstract（参考訳）: 近年のテキスト・ツー・イメージ拡散モデルでは、テキスト・プロンプトと人間の身元を条件としたリアルな顔画像の顕著な生成が示されており、パーソナライズされた顔画像の作成が可能になっている。 しかし、既存のプロンプトベースのアイデンティティ固有の特徴の除去または修正方法は、事前訓練されたモデルで適切に表現された主題に依存するか、特定のアイデンティティに対してモデル微調整を必要とする。 本研究は、顔の匿名化のための個人化プロセスを分析し、リバース・パーソナライズ・フレームワークを導入する。 提案手法は条件拡散インバージョンを利用して,テキストプロンプトを使わずに画像を直接操作できる。 モデルのトレーニングデータにおいて、対象を超越して一般化するために、識別誘導条件分岐を組み込む。 顔の属性を制御できない従来の匿名化手法とは異なり、我々のフレームワークは属性制御可能な匿名化をサポートしている。 本手法は, アイデンティティ除去, 属性保存, 画像品質の両立を図っている。 ソースコードとデータはhttps://github.com/hanweikung/reverse-personalization で公開されている。

関連論文リスト

• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  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。
  論文  参考訳（メタデータ） (2025-10-28T09:28:12Z)
• Controllable Localized Face Anonymization Via Diffusion Inpainting [18.73892789113179]
  そこで本研究では,遅延拡散モデルの塗装能力を活用して,現実的な匿名化画像を生成する統一フレームワークを提案する。 従来の手法とは異なり、アダプティブ属性誘導モジュールを設計することで、匿名化プロセスを完全に制御できる。 当社のフレームワークはローカライズされた匿名化もサポートしており、ユーザーはどの顔領域が変更されていないかを指定できる。
  論文  参考訳（メタデータ） (2025-09-18T11:33:47Z)
• FaceMe: Robust Blind Face Restoration with Personal Identification [27.295878867436688]
  拡散モデルに基づく顔復元手法FaceMeを提案する。 1枚または数枚の参照画像が与えられた場合、アイデンティティ関連の特徴を抽出するためにアイデンティティエンコーダを使用し、高品質な顔画像の復元において拡散モデルを導出するためのプロンプトとして機能する。 実験結果から,FaceMeは顔の良質な画像の復元が可能であり,顔認証の整合性を保ち,優れた性能とロバスト性を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-01-09T11:52:54Z)
• 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)
• Foundation Cures Personalization: Improving Personalized Models' Prompt Consistency via Hidden Foundation Knowledge [49.36669870661573]
  パーソナライズモデルの迅速な一貫性を改善するフレームワークであるFreeCureを提案する。 本稿では, 個人化プロセスに適切な属性情報をもたらすための, インバージョンベースのプロセスと合わせて, ファンデーションを意識した新たな自己意識モジュールを提案する。
  論文  参考訳（メタデータ） (2024-11-22T15:21:38Z)
• When StyleGAN Meets Stable Diffusion: a $\mathscr{W}_+$ Adapter for Personalized Image Generation [60.305112612629465]
  テキストと画像の拡散モデルは、多種多様で高品質でフォトリアリスティックな画像を生成するのに優れている。 本稿では,拡散モデルのための拡張されたアイデンティティ保存とアンタングル化を実現するために,StyleGAN 埋め込み空間 $mathcalW_+$ の新たな利用法を提案する。 提案手法は,即時記述に適合するだけでなく,一般的なスタイルGAN編集方向に対応可能なパーソナライズされたテキスト・ツー・イメージ出力を生成する。
  論文  参考訳（メタデータ） (2023-11-29T09:05:14Z)
• 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。