論文の概要: Machine Pareidolia: Protecting Facial Image with Emotional Editing
- arxiv url: http://arxiv.org/abs/2603.03665v1
- Date: Wed, 04 Mar 2026 02:39:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.162681
- Title: Machine Pareidolia: Protecting Facial Image with Emotional Editing
- Title（参考訳）: マシンパレイドリア:感情編集による顔画像の保護
- Authors: Binh M. Le, Simon S. Woo,
- Abstract要約: bftextMAPと呼ばれる新しい顔のプライバシ保護手法を導入し、人間の感情の修正を利用して、顔画像のターゲットIDとして元の身元を偽装する。
提案手法は,共通局所最適点における収束を確保するため,投射によって協調的に最適化された2つの目的,目標識別,人的表現を学習するために,スコアネットワークを一意に微調整する。
- 参考スコア（独自算出の注目度）: 27.72867319936455
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The proliferation of facial recognition (FR) systems has raised privacy concerns in the digital realm, as malicious uses of FR models pose a significant threat. Traditional countermeasures, such as makeup style transfer, have suffered from low transferability in black-box settings and limited applicability across various demographic groups, including males and individuals with darker skin tones. To address these challenges, we introduce a novel facial privacy protection method, dubbed \textbf{MAP}, a pioneering approach that employs human emotion modifications to disguise original identities as target identities in facial images. Our method uniquely fine-tunes a score network to learn dual objectives, target identity and human expression, which are jointly optimized through gradient projection to ensure convergence at a shared local optimum. Additionally, we enhance the perceptual quality of protected images by applying local smoothness regularization and optimizing the score matching loss within our network. Empirical experiments demonstrate that our innovative approach surpasses previous baselines, including noise-based, makeup-based, and freeform attribute methods, in both qualitative fidelity and quantitative metrics. Furthermore, MAP proves its effectiveness against an online FR API and shows advanced adaptability in uncommon photographic scenarios.
- Abstract（参考訳）: 顔認識(FR)システムの拡散は、FRモデルの悪意ある使用が重大な脅威となるため、デジタル領域におけるプライバシー上の懸念を高めている。
メイクスタイルの転送のような伝統的な対策は、ブラックボックス設定での転送可能性の低下と、男性やより暗い肌色を持つ個人を含む様々な人口集団に適用可能性の制限に悩まされている。
これらの課題に対処するために,顔画像のターゲットアイデンティティとして,人間の感情を改ざんするアプローチである,‘textbf{MAP}’という新しい顔のプライバシ保護手法を導入する。
本手法は,2つの目的,目標識別,人的表現を学習するためのスコアネットワークを一意に微調整する。
さらに,局所的滑らか度正規化を適用し,ネットワーク内のスコアマッチング損失を最適化することにより,保護画像の知覚品質を向上させる。
経験的実験により、我々の革新的なアプローチは、定性的忠実度と量的メトリクスの両方において、ノイズベース、メイクベース、フリーフォーム属性メソッドを含む、以前のベースラインを超えることを示した。
さらに、MAPはオンラインFR APIに対して有効性を証明し、珍しい写真シナリオにおける高度な適応性を示す。
関連論文リスト
- SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。
SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。
認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
論文 参考訳（メタデータ） (2026-02-04T19:30:48Z) - Diffusion-based Adversarial Identity Manipulation for Facial Privacy Protection [14.797807196805607]
顔認識は、ソーシャルネットワーク上での不正な監視とユーザー追跡によって、深刻なプライバシー上の懸念を引き起こしている。
既存のプライバシーを強化する方法は、顔のプライバシーを保護する自然な顔画像を生成するのに失敗する。
そこで我々はDiffAIMを提案し、悪意のあるFRシステムに対して自然かつ高度に伝達可能な対向顔を生成する。
論文 参考訳（メタデータ） (2025-04-30T13:49:59Z) - Enhancing Facial Privacy Protection via Weakening Diffusion Purification [36.33027625681024]
ソーシャルメディアは個々の肖像画を広く共有し、深刻なプライバシーリスクを生じさせている。
近年の手法では、拡散モデルを用いて、プライバシー保護のための対向顔画像を生成する。
本研究では,非条件埋め込みを学習し,対向的修正のための学習能力を向上させることを提案する。
我々は、元の画像と生成された画像の間の構造的一貫性を維持するために、アイデンティティ保存構造を統合する。
論文 参考訳（メタデータ） (2025-03-13T13:27:53Z) - 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) - Transferable Adversarial Facial Images for Privacy Protection [15.211743719312613]
視覚的品質を維持しつつ、転送性を改善した新しい顔プライバシー保護方式を提案する。
生成モデルの潜在空間をトラバースするために,まずグローバルな逆潜時探索を利用する。
次に、視覚的アイデンティティ情報を保存するための重要なランドマーク正規化モジュールを導入する。
論文 参考訳（メタデータ） (2024-07-18T02:16:11Z) - Adaptive Hybrid Masking Strategy for Privacy-Preserving Face Recognition Against Model Inversion Attack [7.82336679905826]
本稿では,モデル反転攻撃(MIA)に対する適応型ハイブリッドマスキングアルゴリズムを提案する。
具体的には、適応型MixUp戦略を用いて、周波数領域に顔画像が隠蔽される。
提案手法は,MIAに対するプライバシ保護と認識精度において,既存の防御アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2024-03-14T02:17:57Z) - 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-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。
提案手法は,最先端の手法よりも自然な画像を生成する。
論文 参考訳（メタデータ） (2023-05-22T23:50:43Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳（メタデータ） (2022-05-24T11:29:37Z) - 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。