面向人脸表情和光照真实性的人脸匿名化
计算机视觉与模式识别
2026-03-19 v1
摘要
社交媒体平台和大规模数据集中广泛分享人脸图像，引发紧迫隐私关注，因为生物识别信息可能被未经授权地滥用。人脸匿名化旨在生成逼真的人脸图像，以不可逆方式隐藏受体身份，同时保持对下游任务的有用性。然而，现有大多数生成方法关注身份消除和图像真实性，往往忽视人脸表情以及光照和肤色等光度一致性——这些属性对 relighting、color constancy 和医疗或情感分析等应用至关重要。本文提出了一种特征保留的匿名化框架，通过引入稠密人脸关键点来更好地保留表情，并引入轻量级后处理模块确保光照方向和肤色的一致性。我们进一步建立了专门衡量表情保真度、光照一致性和颜色保持的评估指标，以补充标准的图像真实性、姿态准确性和重识别抗性措施。在CelebA-HQ数据集上的实验表明，我们的方法生成的人脸在真实性和表情、光照、肤色方面均显著优于现有最先进方法。这些结果凸显了特征感知匿名化作为更有用、公平且可信赖的人脸数据隐私保护步骤的重要性。
关键词
引用
@article{arxiv.2603.17567,
title = {Face anonymization preserving facial expressions and photometric realism},
author = {Luigi Celona and Simone Bianco and Raimondo Schettini},
journal= {arXiv preprint arXiv:2603.17567},
year = {2026}
}