Fugu-MT 論文翻訳(概要): Hierarchical Anti-Aesthetics: Protecting Facial Privacy against Customized Diffusion Models

論文の概要: Hierarchical Anti-Aesthetics: Protecting Facial Privacy against Customized Diffusion Models

arxiv url: http://arxiv.org/abs/2607.02038v2
Date: Fri, 03 Jul 2026 06:32:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-07 13:04:58.518771
Title: Hierarchical Anti-Aesthetics: Protecting Facial Privacy against Customized Diffusion Models
Title（参考訳）: 階層的アンチ審美: カスタマイズ拡散モデルに対する顔のプライバシ保護
Abstract要約: この観察により、悪意あるカスタマイズモデルの生成品質を低下させることにより、顔のプライバシー保護に対処する。審美的手がかりを多段階に活用する階層的アンチ美学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）: 31.75107321426067
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The rise of customized diffusion models has fueled a boom in personalized visual content creation, but it also introduces serious risks of malicious misuse, thereby posing threats to personal privacy. Image aesthetics are strongly correlated with human perception of image quality. Motivated by this observation, we address facial privacy protection from a novel aesthetic perspective by degrading the generation quality of maliciously customized models, thus reducing facial identity leakage. Specifically, we propose a Hierarchical Anti-Aesthetics (HAA) framework that exploits aesthetic cues at multiple perceptual levels. HAA consists of two key branches: (1) Global Anti-Aesthetics, which degrades overall aesthetics and generation quality by constructing a global anti-aesthetic reward mechanism and a corresponding loss; and (2) Local Anti-Aesthetics, which disrupts facial identity by using a local anti-aesthetic reward mechanism and loss to guide adversarial perturbations toward facial regions. By integrating both branches, HAA achieves anti-aesthetic degradation from a global to a local level during customized generation. Extensive experiments show that HAA outperforms existing methods in identity removal, providing an effective tool for protecting facial privacy.
Abstract（参考訳）: カスタマイズされた拡散モデルの台頭は、パーソナライズされたビジュアルコンテンツ作成のブームを加速させたが、悪意のある誤用の深刻なリスクも引き起こし、個人のプライバシーを脅かす。画像美学は画像品質に対する人間の認識と強く相関している。この観察により、悪意のあるカスタマイズモデルの生成品質を低下させ、顔認証の漏洩を低減させることにより、新しい美的視点から顔のプライバシー保護に取り組む。具体的には,複数の知覚レベルで審美的手がかりを利用する階層的アンチ審美(HAA)フレームワークを提案する。 HAAは,(1)グローバルな抗審美的報酬機構とそれに対応する損失を構築することにより,全体的な美学と世代品質を低下させるグローバルアンチ審美学,(2)局所的な抗審美的報酬機構を用いて顔の識別を阻害するローカルアンチ審美学,そして、顔面領域への対向的摂動を誘導するロスの2つの主要な分野から構成される。両方の枝を統合することにより、HAAは、カスタマイズされた世代において、グローバルからローカルレベルへの抗麻酔的劣化を実現する。大規模な実験では、HAAは既存のアイデンティティ除去方法よりも優れており、顔のプライバシーを保護する効果的なツールを提供する。

関連論文リスト

Face inpainting with Identity Preserving Latent Diffusion Models [10.348748950921667]
ID-ControlNetは、潜伏拡散モデルに基づいて構築された、ID保存のフェイスペイントフレームワークである。我々は、生成した顔とターゲットの識別表現とのアライメントを明確に強制する、アイデンティティ一貫性と三重項損失トレーニング戦略を導入する。
論文参考訳（メタデータ） (2026-05-15T23:19:43Z)
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)
Safeguarding Facial Identity against Diffusion-based Face Swapping via Cascading Pathway Disruption [21.37567715195999]
VoidFaceは,顔スワップを結合したアイデンティティパスとみなすシステム的防御手法である。まず,物理レグレッションとセマンティック埋め込みを劣化させるため,局所化の破壊とアイデンティティの消去を導入し,音源面の正確なモデリングを損なう。次に、注意機構を分離してアイデンティティ注入を行い、ソースアイデンティティの再構築を防ぐために中間拡散特性を損なうことにより、生成領域に介入する。
論文参考訳（メタデータ） (2026-01-21T07:52:56Z)
Fragile by Design: On the Limits of Adversarial Defenses in Personalized Generation [26.890796322896346]
Anti-DreamBoothのような防御機構は、顔認証漏洩のリスクを軽減する。これらの手法の2つの重要かつ見過ごされた限界を同定する。その結果、現在の手法はいずれもそのような脅威下での保護効果を維持していないことが明らかとなった。
論文参考訳（メタデータ） (2025-11-13T14:56:25Z)
Anti-Aesthetics: Protecting Facial Privacy against Customized Text-to-Image Synthesis [18.743360923809217]
審美的方法を完全に探求する階層的アンチ審美(HAA)フレームワークを提案する。我々のHAAは、カスタマイズ世代において、グローバルからローカルレベルへのアンチ美学の目標を効果的に達成します。
論文参考訳（メタデータ） (2025-04-16T14:44:00Z)
PersGuard: Preventing Malicious Personalization via Backdoor Attacks on Pre-trained Text-to-Image Diffusion Models [51.458089902581456]
特定の画像の悪質なパーソナライズを防ぐ新しいバックドアベースのアプローチであるPersGuardを紹介する。我々の手法は既存の技術よりも優れており、プライバシーと著作権保護に対するより堅牢なソリューションを提供する。
論文参考訳（メタデータ） (2025-02-22T09:47:55Z)
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)
ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
深層学習に基づく顔操作の誤用は、公民権に重大な脅威をもたらす。この不正行為を防止するため、操作過程を妨害する積極的な防御法が提案されている。本稿では,IDガード(ID-Guard)と呼ばれる顔の操作に対処するための普遍的な枠組みを提案する。
論文参考訳（メタデータ） (2024-09-20T09:30:08Z)
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)
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)
Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
論文参考訳（メタデータ） (2020-02-17T20:00:56Z)

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。