論文の概要: Personalized Face Privacy Protection From a Single Image

• arxiv url: http://arxiv.org/abs/2605.19032v1
• Date: Mon, 18 May 2026 18:56:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.931808
• Title: Personalized Face Privacy Protection From a Single Image
• Title（参考訳）: 1枚の画像から顔のプライバシーを保護
• Authors: Zachary Yahn, Fatih Ilhan, Tiansheng Huang, Selim Tekin, Sihao Hu, Yichang Xu, Margaret Loper, Ling Liu,
• Abstract要約: オンラインでアップロードされた顔の写真は、オンラインソースから顔画像を取り除く悪質なアクターに弱い。 本稿では,顔のプライバシ保護システムFaceCloakについて述べる。 ユーザーの単一の画像から、防御的なアイデンティティ固有の普遍的な顔プライバシーマスクを生成することができ、顔認識が失敗する。
• 参考スコア（独自算出の注目度）: 18.118718063673423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Photos of faces uploaded online are vulnerable to malicious actors who can scrape facial images from online sources and intrude on personal privacy via unauthorized use of facial recognition models. This paper presents FaceCloak, a novel personalized face privacy protection system, which can generate defensive identity-specific universal face privacy masks from a single image of a user, causing facial recognition to fail. FaceCloak introduces a three-stage personalized face perturbation learning methodology: (1) It generates a small set of high-variety synthetic face images of a person based on a single image of the person. (2) It learns face cloaking by adding more protection to key facial-identity leakage regions through iterative perturbation generation over the small set of synthetic images, effectively shifting a user's identity embedding towards a distant anchor identity and away from a similar one. (3) It generates a personalized identity-protective mask in the form of pixel-wise cloaking, which is light-weight and can be efficiently applied to any facial image of a user while maintaining good perceptual quality. Extensive experiments on three popular face datasets across ten recognition models show the effectiveness of FaceCloak compared to 29 other existing representative methods. Code is available at https://github.com/zacharyyahn/FaceCloak
• Abstract（参考訳）: オンラインにアップロードされた顔の写真は、悪意のあるアクターが、オンラインソースから顔画像を取り除き、無許可の顔認識モデルを使用することで、個人のプライバシーを侵害する恐れがある。 本論文では,顔認証システムであるFaceCloakについて述べる。 FaceCloakは3段階のパーソナライズされた顔摂動学習手法を導入し、(1)人物の1つの画像に基づいて、人物の小さな多彩な合成顔画像を生成する。 2) 小セットの合成画像に対する反復摂動生成により,鍵顔認証漏洩領域により多くの保護を加えることで顔のクローキングを学習し,ユーザの身元を遠方のアンカーアイデンティティにシフトさせ,類似の画像から遠ざかる。 (3) パーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたマスクを画素単位のクローキング形式で生成する。 10の認識モデルにまたがる3つの一般的な顔データセットに対する大規模な実験は、29の他の代表的手法と比較してFaceCloakの有効性を示している。 コードはhttps://github.com/zacharyyahn/FaceCloakで入手できる。

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)
• 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)
• FlashFace: Human Image Personalization with High-fidelity Identity Preservation [59.76645602354481]
  FlashFaceを使うと、ユーザーは自分の写真を簡単にパーソナライズできる。 我々のアプローチは、高忠実度ID保存とより良い指示に従うことによって、既存の人間の写真カスタマイズ方法と区別できる。
  論文  参考訳（メタデータ） (2024-03-25T17:59:57Z)
• Privacy-Preserving Face Recognition Using Trainable Feature Subtraction [40.47645421424354]
  顔認識はプライバシーの懸念を増している。 本稿では,視覚障害と回復障害に対する顔画像保護について検討する。 我々は,この手法を新たなプライバシ保護顔認識手法であるMinusFaceに精錬する。
  論文  参考訳（メタデータ） (2024-03-19T05:27:52Z)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• CLIP2Protect: Protecting Facial Privacy using Text-Guided Makeup via Adversarial Latent Search [10.16904417057085]
  ディープラーニングベースの顔認識システムは、デジタル世界のユーザを無許可で追跡することができる。 既存のプライバシーを強化する方法は、ユーザー体験を損なうことなく、顔のプライバシーを保護することができる自然主義的なイメージを生成するのに失敗する。 本稿では,事前学習された生成モデルの低次元多様体における逆潜時符号の発見に依存する,顔のプライバシー保護のための新しい2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-16T17:58:15Z)
• 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)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• 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。