基于扩散填充的可控局部人脸匿名化
计算机视觉与模式识别
2026-01-21 v2
摘要
肖像图像在计算机视觉中的应用日益增长，凸显了保护个人身份身份的必要性。同时，匿名化后的图像必须保持对下游计算机视觉任务的实用性。本文提出了统一框架，利用潜在扩散模型的填充能力生成逼真的匿名化图像。与先前方法不同，我们设计了自适应属性引导模块，在反向去噪过程中应用梯度校正，将生成图像的面部属性与合成目标图像的面部属性对齐。我们的框架还支持局部匿名化，允许用户指定哪些面部区域保持不变。在公开的 CelebA-HQ 和 FFHQ 数据集上进行的大量实验表明，我们的方法在无需额外模型训练的情况下超越了最先进的方法。源代码已在我们的页面上提供。
引用
@article{arxiv.2509.14866,
title = {Controllable Localized Face Anonymization Via Diffusion Inpainting},
author = {Ali Salar and Qing Liu and Guoying Zhao},
journal= {arXiv preprint arXiv:2509.14866},
year = {2026}
}