通过梯度累积增强不可见面部隐私保护层的泛化能力
计算机视觉与模式识别
2024-01-04 v1
摘要
社交媒体和人脸识别系统的蓬勃发展增加了人们对隐私和安全的担忧。一种新型的对抗性隐私保护层（类通用）可以应用于普通用户的所有图像，以防止恶意的人脸识别系统获取其身份信息。在这项工作中，我们发现了现有方法中的优化困境——大批量优化中的局部最优问题和小批量优化中的梯度信息消除问题。为了解决这些问题，我们提出了梯度累积（GA）来将多个小批量梯度聚合成一个单步迭代梯度，以增强梯度稳定性并减少量化操作的使用。实验表明，我们提出的方法在Privacy-Commons数据集上针对黑盒人脸识别模型取得了高性能。
引用
@article{arxiv.2401.01575,
title = {Enhancing Generalization of Invisible Facial Privacy Cloak via Gradient Accumulation},
author = {Xuannan Liu and Yaoyao Zhong and Weihong Deng and Hongzhi Shi and Xingchen Cui and Yunfeng Yin and Dongchao Wen},
journal= {arXiv preprint arXiv:2401.01575},
year = {2024}
}