論文の概要: Face anonymization preserving facial expressions and photometric realism

• arxiv url: http://arxiv.org/abs/2603.17567v1
• Date: Wed, 18 Mar 2026 10:16:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.640271
• Title: Face anonymization preserving facial expressions and photometric realism
• Title（参考訳）: 表情と光度リアリズムを保存する顔匿名化
• Authors: Luigi Celona, Simone Bianco, Raimondo Schettini,
• Abstract要約: 顔の匿名化は、被験者のアイデンティティを不可逆的に隠蔽する現実的な顔画像を生成する。 既存の生成的アプローチは、アイデンティティ除去とイメージリアリズムに重点を置いている。 本稿では,DeepPrivacy を拡張した特徴保存型匿名化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 11.655649358286647
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The widespread sharing of face images on social media platforms and in large-scale datasets raises pressing privacy concerns, as biometric identifiers can be exploited without consent. Face anonymization seeks to generate realistic facial images that irreversibly conceal the subject's identity while preserving their usefulness for downstream tasks. However, most existing generative approaches focus on identity removal and image realism, often neglecting facial expressions as well as photometric consistency -- specifically attributes such as illumination and skin tone -- that are critical for applications like relighting, color constancy, and medical or affective analysis. In this work, we propose a feature-preserving anonymization framework that extends DeepPrivacy by incorporating dense facial landmarks to better retain expressions, and by introducing lightweight post-processing modules that ensure consistency in lighting direction and skin color. We further establish evaluation metrics specifically designed to quantify expression fidelity, lighting consistency, and color preservation, complementing standard measures of image realism, pose accuracy, and re-identification resistance. Experiments on the CelebA-HQ dataset demonstrate that our method produces anonymized faces with improved realism and significantly higher fidelity in expression, illumination, and skin tone compared to state-of-the-art baselines. These results underscore the importance of feature-aware anonymization as a step toward more useful, fair, and trustworthy privacy-preserving facial data.
• Abstract（参考訳）: ソーシャルメディアプラットフォームや大規模データセット上での顔画像の広範な共有は、生体認証の識別子を同意なしに活用できるため、プライバシー上の懸念を喚起する。 顔の匿名化は、下流のタスクに有用性を保ちながら、被験者のアイデンティティを不可逆的に隠蔽する現実的な顔画像を生成する。 しかし、既存のほとんどの生成的アプローチは、識別の除去とイメージリアリズムに重点を置いており、しばしば表情を無視し、照明や肌のトーンなどの光度整合性(光度整合性)は、リライティング、色の一貫性、医学的または情緒的な分析などの応用に不可欠である。 本研究では,高密度な顔のランドマークを組み込んで表現をよりよく維持し,照明方向と肌の色との整合性を確保する軽量な後処理モジュールを導入することにより,DeepPrivacyを拡張した特徴保存匿名化フレームワークを提案する。 さらに、表現の忠実度、光の一貫性、色保存を定量化し、画像リアリズムの標準尺度を補完し、精度を向上し、また、再同定耐性を高めるために特別に設計された評価指標を確立する。 CelebA-HQデータセットを用いた実験により,本手法は,最先端のベースラインと比較して,現実性の向上と表現,照明,肌音の忠実度が著しく向上した匿名顔を生成することを示した。 これらの結果は、より有用で公平で信頼できるプライバシー保護顔データへのステップとして、機能認識の匿名化の重要性を浮き彫りにしている。

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)
• 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)
• 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)
• GANonymization: A GAN-based Face Anonymization Framework for Preserving Emotional Expressions [43.017036538109274]
  GANonymizationは、表情保存能力を持つ新しい顔匿名化フレームワークである。 提案手法は, 顔の高レベル表現をベースとして, GAN(Generative Adversarial Network)に基づく匿名化バージョンに合成する。
  論文  参考訳（メタデータ） (2023-05-03T14:22:48Z)
• 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)
• IdentityDP: Differential Private Identification Protection for Face Images [17.33916392050051]
  顔の非識別、別名顔の匿名化は、実際のアイデンティティが隠されている間、同様の外観と同じ背景を持つ別の画像を生成することを指します。 我々は,データ駆動型ディープニューラルネットワークと差分プライバシー機構を組み合わせた顔匿名化フレームワークであるIdentityDPを提案する。 我々のモデルは、顔の識別関連情報を効果的に難読化し、視覚的類似性を保ち、高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2021-03-02T14:26:00Z)

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。