.png){kind=icon}
返回
Visual context-aware attribute-preserving face de-identification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.130205.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，基于深度学习的面部去标识化技术取得了显著进展，能够生成逼真的去标识化面部图像。然而，大多数现有方法通过修复整个面部或特定区域来实现匿名化，这往往改变了面部关键属性，如表情、性别、年龄或种族。这种改变可能破坏原始数据的收集目的。尽管已提出属性保持的去标识化方法以解决此问题，但这些方法依赖于需要保留属性的标注数据，且每当目标属性更改时都需要重新训练模型。为克服这些限制，我们提出了一种视觉上下文感知的属性保持面部去标识化方法。该方法利用图像与文本描述之间的语义关系，识别并保留视觉上重要的特征，这些特征包含面部图像的整体上下文，同时有效匿名化与身份相关的信息。我们通过在配对图像和文本描述上训练的属性编码器提取全面的属性特征，然后使用语义图将提取的特征映射到语义空间，在去标识化过程中通过将其与面部结构信息对齐来保持面部属性。这使得在保持关键属性的同时实现鲁棒的面部去标识化。为评估性别、年龄和种族等面部属性的保持情况，我们使用分类网络进行对比评估，证实了该方法在保持这些属性方面的有效性。此外，该方法在CelebAMask数据集上实现了4-30%的图像质量提升和4-9%的属性相似度提升，在FFHQ数据集上分别实现了6-8%和1-6%的提升。
Keyword:
Face de-identification
Generative model
Privacy protection
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
Enhanced Embedded AutoEncoders: An Attribute-Preserving Face De-Identification Framework增强型嵌入式自动编码器: 一种属性保留的人脸去识别框架
PREAI
分享收藏
查看更多内容