先解耦后匿名：一种属性保持与遮挡鲁棒去标识化的两阶段框架
计算机视觉与模式识别
2025-05-02 v2
摘要
在个人照片易被泄露和收集的时代，人脸去标识化是保护身份隐私的关键方法。然而，当前人脸去标识化技术在保持属性细节方面面临挑战，且常产生真实感降低的匿名结果。这些缺陷在处理遮挡时尤为明显，常导致显著的编辑伪影。我们在本工作中的主要发现是，身份解耦与匿名化的同步训练会阻碍各自的效果。因此，我们提出“先解耦后匿名”，一种新颖的两阶段框架（DBAF），旨在实现属性保持与遮挡鲁棒的去标识化。该框架包含对比身份解耦（CID）模块和密钥授权可逆身份匿名化（KRIA）模块，实现忠实的属性保持与高质量身份匿名化编辑。此外，我们引入多尺度注意力属性保留（MAAR）模块，以解决遮挡下匿名化质量下降的问题。大量实验表明，我们的方法优于最先进的去标识化方法，在更优质量、增强的细节保真度、改进的属性保持性能以及更强遮挡鲁棒性方面表现突出。
引用
@article{arxiv.2311.08786,
title = {Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification},
author = {Mingrui Zhu and Dongxin Chen and Xin Wei and Nannan Wang and Xinbo Gao},
journal= {arXiv preprint arXiv:2311.08786},
year = {2025}
}