面向语义人脸图像合成的对抗性身份注入
计算机视觉与模式识别
2024-04-17 v1
摘要
如今，深度学习模型在图像生成任务中已达到令人难以置信的性能。大量文献致力于人脸生成和编辑任务，人类和自动系统都难以区分真实与生成的内容。尽管大多数系统达到了出色的视觉生成质量，但它们在保持输入主体身份方面仍面临困难。在所有探索的技术中，语义图像合成（Semantic Image Synthesis, SIS）方法旨在根据语义分割掩码生成图像，是最有前景的，尽管保持输入主体的感知身份并非其主要关注点。因此，本文研究了人脸图像生成中的身份保持问题，并提出了一种 SIS 架构，该架构利用交叉注意力机制融合身份、风格和语义特征，以生成身份与输入尽可能相似的人脸。实验结果表明，所提出的方法不仅适用于保持身份，而且在人脸识别对抗性攻击（即在生成的人脸中隐藏第二个身份）中也同样有效。
引用
@article{arxiv.2404.10408,
title = {Adversarial Identity Injection for Semantic Face Image Synthesis},
author = {Giuseppe Tarollo and Tomaso Fontanini and Claudio Ferrari and Guido Borghi and Andrea Prati},
journal= {arXiv preprint arXiv:2404.10408},
year = {2024}
}
备注
Paper accepted at CVPR 2024 Biometrics Workshop