論文の概要: AuraMask: An Extensible Pipeline for Developing Aesthetic Anti-Facial Recognition Image Filters

• arxiv url: http://arxiv.org/abs/2605.12937v1
• Date: Wed, 13 May 2026 03:16:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.780543
• Title: AuraMask: An Extensible Pipeline for Developing Aesthetic Anti-Facial Recognition Image Filters
• Title（参考訳）: AuraMask: 美的アンチファシアル認識画像フィルタを開発するための拡張可能なパイプライン
• Authors: Jacob Lagogiannis, William Agnew, Rosa I. Arriaga, Sauvik Das,
• Abstract要約: 対面認識(AFR)画像フィルターは、人には微妙だがコンピュータビジョンに盲目な方法で画像を変更する。 本稿では,AuraMaskを提案する。AFRフィルタを対角的に有効かつ審美的に許容できる新しい手法である。 我々は,AuraMaskフィルタが,オープンソース顔認識モデルに対する従来の手法の逆効果を満たすか,超えるかを示す。
• 参考スコア（独自算出の注目度）: 13.621692533684291
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anti-facial recognition (AFR) image filters alter images in ways that are subtle to people but blinding to computer vision. Yet, despite widespread interest in these technologies to subvert surveillance, users rarely use them in practice -- because the ``subtle'' alterations are visible enough to conflict with users' self-presentation goals. To address this challenge, we propose AuraMask: a novel approach to creating AFR filters that are both adversarially effective and aesthetically acceptable. Using AuraMask, we produce 40 ``aesthetic'' filters that emulate popular ``one-click'' Instagram image filters. We show that AuraMask filters meet or exceed the adversarial effectiveness of prior methods against open-source facial recognition models. Moreover, in a controlled online user study ($N=630$) we confirm these filters achieve significantly higher user acceptance than prior methods. Lastly, we provide our AFR pipeline to the community for accelerated research in adversarially effective and aesthetically acceptable protections.
• Abstract（参考訳）: 対面認識(AFR)画像フィルターは、人には微妙だがコンピュータビジョンに盲目な方法で画像を変更する。 しかし、監視を覆すためにこれらの技術に広く関心が寄せられているにもかかわらず、ユーザーは実際にそれを使うことはめったにない。 この課題に対処するために,AuraMaskを提案する。 AuraMaskを使って、人気のある ``one-click'' Instagram イメージフィルタをエミュレートする 40 ``aesthetic'' フィルタを作成します。 我々は,AuraMaskフィルタが,オープンソース顔認識モデルに対する従来の手法の逆効果を満たすか,超えるかを示す。 さらに、制御されたオンラインユーザスタディ(N=630$)において、これらのフィルタが従来の方法よりもはるかに高いユーザ受け入れを達成することを確認した。 最後に,AFRパイプラインをコミュニティに提供し,敵意的に効果的で審美的に許容できる保護に関する研究を加速させる。

関連論文リスト

• FaceFilterSense: A Filter-Resistant Face Recognition and Facial Attribute Analysis Framework [1.673834743879962]
  面白い自撮りフィルターは、顔の生体認証システムの機能に大きく影響を与えている。 現在、顔のキーポイントを歪めているARベースのフィルターやフィルターは、最近流行し、裸眼でも顔が認識不能になっている。 これらの制約を緩和するため、我々は最新のフィルタの全体的影響分析を行い、フィルタ画像を用いたユーザ認識モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-12T07:04:56Z)
• DiffProtect: Generate Adversarial Examples with Diffusion Models for Facial Privacy Protection [64.77548539959501]
  DiffProtectは最先端の方法よりも自然に見える暗号化画像を生成する。 例えば、CelebA-HQとFFHQのデータセットで24.5%と25.1%の絶対的な改善が達成されている。
  論文  参考訳（メタデータ） (2023-05-23T02:45:49Z)
• 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)
• Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
  本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。 本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
  論文  参考訳（メタデータ） (2022-04-26T14:36:06Z)
• On the Effect of Selfie Beautification Filters on Face Detection and Recognition [53.561797148529664]
  ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。 U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。 認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-10-17T22:10:56Z)

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。