基于文本到图像扩散模型的上下文感知全身匿名化
计算机视觉与模式识别
2024-10-18 v2 人工智能
摘要
在实际数据集中，匿名化在保护个人敏感信息方面发挥着关键作用。例如，自动驾驶汽车需要高分辨率的人脸特征来跟踪人物及其视线方向，以预测未来行为并作出相应反应。为了在保护隐私的同时保留数据集中的重要特征，必须将人的全身替换为高度细节的匿名化版本。与单纯进行人脸匿名化不同，全身替换可降低通过发型或服装识别人的能力。本文提出了一种利用Stable Diffusion作为生成后端的全身人物匿名化工作流程。文本到图像扩散模型，如Stable Diffusion、OpenAI的DALL-E或Midjourney，近期因能够从单一文本提示生成照片级图像而广受欢迎。我们的方法在图像质量、分辨率、Inception Score（IS）和Frechet Inception Distance（FID）方面均优于当前最先进的匿名化管道。此外，本方法对图像生成器具有不变性，能够使用最新可用的模型。
引用
@article{arxiv.2410.08551,
title = {Context-Aware Full Body Anonymization using Text-to-Image Diffusion Models},
author = {Pascal Zwick and Kevin Roesch and Marvin Klemp and Oliver Bringmann},
journal= {arXiv preprint arXiv:2410.08551},
year = {2024}
}