FDeID-Toolbox：人脸去识别工具箱
计算机视觉与模式识别
2026-03-16 v1
摘要
人脸去识别（FDeID）旨在从人脸图像中移除可识别信息，同时保留年龄、性别和表情等任务相关属性。该技术对于隐私保护的计算机视觉至关重要，但当前研究面临实施碎片化、评估协议不一致以及跨研究结果难以比较的挑战。这些困难源于该任务的内在复杂性：FDeID 涉及多个下游应用（如年龄估计、性别识别、表情分析），且需在三个维度上进行评估（如隐私保护、效用保持和视觉质量），导致现有代码库难以使用和扩展。为解决这些问题，我们提出了 FDeID-Toolbox，这是一个用于可重复 FDeID 研究的综合性工具箱。我们的工具箱包含四个核心组件：（1）主流基准数据集的标准化数据加载器；（2）从经典方法到最先进生成模型的统一方法实现；（3）灵活的推理管线；（4）覆盖隐私、效用和质量指标的系统化评估协议。通过实验，我们展示 FDeID-Toolbox 在一致条件下，使多样化 FDeID 方法的公平且可重复比较成为可能。
引用
@article{arxiv.2603.13121,
title = {FDeID-Toolbox: Face De-Identification Toolbox},
author = {Hui Wei and Hao Yu and Guoying Zhao},
journal= {arXiv preprint arXiv:2603.13121},
year = {2026}
}
备注
Technical Report. Codebase: https://github.com/infraface/FDeID-Toolbox