Diff-Privacy：基于扩散模型的人脸隐私保护
计算机视觉与模式识别
2023-09-12 v1
摘要
随着人工智能技术的普及导致个人数据被广泛收集与滥用，隐私保护已成为重中之重。匿名化与视觉身份信息隐藏是两项重要的人脸隐私保护任务，旨在从人类感知层面去除人脸图像中的身份识别特征。然而二者存在显著差异：前者旨在防止机器正确识别，而后者需保证机器识别的准确性。因此，难以训练一个模型同时完成这两项任务。本文统一了匿名化与视觉身份信息隐藏任务，提出了一种基于扩散模型的新颖人脸隐私保护方法，称为 Diff-Privacy。具体而言，我们训练所提出的多尺度图像反演模块（MSI）以获取原始图像的一组 SDM 格式条件嵌入。基于这些条件嵌入，我们设计了相应的嵌入调度策略，并在去噪过程中构建不同的能量函数，以实现匿名化与视觉身份信息隐藏。我们进行了大量实验，验证了所提框架在人脸隐私保护中的有效性。
引用
@article{arxiv.2309.05330,
title = {Diff-Privacy: Diffusion-based Face Privacy Protection},
author = {Xiao He and Mingrui Zhu and Dongxin Chen and Nannan Wang and Xinbo Gao},
journal= {arXiv preprint arXiv:2309.05330},
year = {2023}
}
备注
17pages