論文の概要: HYDRO: Towards Non-Reversible Face De-Identification Using a High-Fidelity Hybrid Diffusion and Target-Oriented Approach

• arxiv url: http://arxiv.org/abs/2609.27011v1
• Date: Tue, 22 Sep 2026 19:49:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.744732
• Title: HYDRO: Towards Non-Reversible Face De-Identification Using a High-Fidelity Hybrid Diffusion and Target-Oriented Approach
• Title（参考訳）: HYDRO:高忠実度ハイブリッド拡散とターゲット指向アプローチによる非可逆顔認識に向けて
• Abstract要約: ターゲット指向の顔識別モデルは、異なる画像やビデオフレームにまたがる対象個人の識別を匿名化することを目的としている。 ターゲット指向モデルは、微妙なアイデンティティーの手がかりを不注意に保存するリスクも負うため、それらを可逆的で、再構築攻撃の影響を受けやすい。 本稿では,ターゲット指向モデルと専用拡散プロセスを組み合わせた新しい顔識別手法HYDROを紹介する。
• 参考スコア（独自算出の注目度）: 36.96855972113189
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Target-oriented face de-identification models aim to anonymize the identity of a target individual across different images or video frames, such that the target can no longer be reliably recognized, while maintaining key characteristics of the visual data. Such models commonly leverage generative encoder-decoder architectures to manipulate facial appearances, enabling them to produce realistic high-fidelity de-identification results, while ensuring considerable attribute-retention capabilities. However, target-oriented models also carry the risk of inadvertently preserving subtle identity cues, making them (potentially) reversible and susceptible to reconstruction attacks. To address this problem, we introduce in this paper a novel (robust) face de-identification approach, called HYDRO, that combines target-oriented models with a dedicated diffusion process specifically designed to destroy any imperceptible information that may allow learning to reverse the de-identification procedure. HYDRO first de-identifies the given face image, injects noise into the de-identification result to impede reconstruction, and then applies a diffusion-based recovery step to improve fidelity and minimize the impact of the noising process on the data characteristics. To further improve image fidelity and better retain gaze directions, a novel Eye Similarity Discriminator (ESD) is also introduced and incorporated it into the training of HYDRO. Extensive quantitative and qualitative experiments on three diverse datasets demonstrate that HYDRO exhibits state-of-the-art (SOTA) fidelity and attribute-retention capabilities, while being the only target-oriented method resilient against reconstruction attacks. In comparison to multiple SOTA competitors, HYDRO reduces the success of reconstruction attacks by 85.7% on average.
• Abstract（参考訳）: ターゲット指向の顔識別モデルは、異なる画像やビデオフレーム間でターゲット個人を匿名化することを目的としており、視覚データのキー特性を維持しながら、ターゲットを確実に認識することができない。 このようなモデルは一般的に、生成エンコーダ・デコーダのアーキテクチャを利用して顔の外観を操作し、実際の高忠実度な識別結果を生成できると同時に、かなりの属性保持能力を確保できる。 しかし、ターゲット指向モデルは、微妙なアイデンティティの手がかりを不注意に保存するリスクも負っており、それらを(潜在的に)可逆的に、再構築攻撃の影響を受けやすいものにしている。 この問題に対処するために,本論文では,ターゲット指向モデルと,学習者が認識不能な情報を破壊するために設計された専用拡散プロセスを組み合わせた,新たな顔の識別除去手法であるHYDROを紹介する。 HYDROは、まず、与えられた顔画像を識別し、非識別結果にノイズを注入して再構成を阻害し、拡散ベースの回復ステップを適用して、忠実性を改善し、ノイズ発生過程がデータ特性に与える影響を最小限にする。 画像の忠実度をさらに向上させ、視線方向をより良く維持するために、新しい視線類似性判別器(Eye similarity Discriminator,ESD)も導入され、HYDROのトレーニングに組み込まれている。 3つの多様なデータセットに対する大規模な定量的および定性的な実験により、HYDROは最新技術(SOTA)の忠実度と属性保持能力を示す一方で、再建攻撃に対して耐性を持つ唯一のターゲット指向手法であることが示された。 複数のSOTAコンペティターと比較して、HYDROは再建攻撃の成功を平均85.7%削減している。

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)
• Personalized Face Super-Resolution with Identity Decoupling and Fitting [50.473357681579664]
  極端な劣化シナリオでは、重要な属性とID情報が入力画像で著しく失われることが多い。 既存の方法では、そのような条件下で幻覚顔を生成する傾向があり、真のID制約を欠いた復元画像を生成する。 本稿ではIDデカップリング・フィッティング(IDFSR)を用いた新しいFSR手法を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:33:11Z)
• DiffMI: Breaking Face Recognition Privacy via Diffusion-Driven Training-Free Model Inversion [16.02881487974147]
  顔認識は、不変の生体データに依存するため、深刻なプライバシーリスクを引き起こす。 モデル反転攻撃は、アイデンティティ情報がまだ回復可能であることを明らかにし、重大な脆弱性を露呈する。 DiffMIは拡散駆動型トレーニングフリーモデルインバージョンアタックである。
  論文  参考訳（メタデータ） (2025-04-25T01:53:27Z)
• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• Face Reconstruction Transfer Attack as Out-of-Distribution Generalization [15.258162177124317]
  未確認エンコーダに対する顔攻撃を転送できる顔画像の再構成を目指す。 OODの性質に着想を得て,疑似目標(ALSUV)を用いた平均遅延探索と教師なし検証による顔再構成伝達攻撃(FRTA)の解法を提案する。
  論文  参考訳（メタデータ） (2024-07-02T16:21:44Z)
• Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
  本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。 具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。 設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
  論文  参考訳（メタデータ） (2023-12-18T15:25:23Z)
• LEAT: Towards Robust Deepfake Disruption in Real-World Scenarios via Latent Ensemble Attack [11.764601181046496]
  生成モデルによって作成された悪意のある視覚コンテンツであるディープフェイクは、社会にますます有害な脅威をもたらす。 近年のディープフェイクの損傷を積極的に軽減するために, 逆方向の摂動を用いてディープフェイクモデルの出力を妨害する研究が進められている。 そこで本研究では,Latent Ensemble ATtack (LEAT) と呼ばれる簡易かつ効果的なディスラプション手法を提案する。
  論文  参考訳（メタデータ） (2023-07-04T07:00:37Z)

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。