DeepPrivacy2：面向真实感全身匿名化
计算机视觉与模式识别
2022-11-18 v1
摘要
生成对抗网络（GANs）被广泛用于人体图像的匿名化。然而，当前最先进的方法将匿名化局限于人脸匿名化任务。本文中，我们提出一种新颖的匿名化框架（DeepPrivacy2），用于人体与人脸的真实感匿名化。我们引入了一个用于人体合成的大型多样化新数据集，显著提升了生成图像的质量与多样性。此外，我们提出了一种基于风格的GAN，可生成高质量、多样化且可编辑的匿名化结果。我们证明，我们的全身匿名化框架比先前提出的方法提供更强的隐私保障。
引用
@article{arxiv.2211.09454,
title = {DeepPrivacy2: Towards Realistic Full-Body Anonymization},
author = {Håkon Hukkelås and Frank Lindseth},
journal= {arXiv preprint arXiv:2211.09454},
year = {2022}
}
备注
Accepted at WACV2023