FICGAN：用于去标识的人脸身份可控 GAN
计算机视觉与模式识别
2021-10-05 v1 人工智能
摘要
在这项工作中，我们提出人脸身份可控 GAN（FICGAN），其不仅能生成具有隐私保护保障的高质量去标识人脸图像，还能对属性保留进行细致控制以增强数据效用。我们基于两个因素解决了人脸去标识中较少被探索但备受期待的功能。首先，我们关注在去标识任务中获得高级别隐私保护而不妥协图像质量的挑战性问题。其次，我们分析与人脸身份和非身份相关的属性，并探索人脸去标识程度与源属性保留之间的权衡，以增强数据效用。基于该分析，我们开发了人脸身份可控 GAN（FICGAN），一种基于自编码器的条件生成模型，学习将人脸图像上的身份属性与非身份属性解耦。通过应用流形 k-same 算法以满足 k-匿名性以加强安全性，我们的方法在去标识人脸图像中实现了增强的隐私保护。大量实验表明，我们的模型在各种人脸去标识场景中优于其他模型。
引用
@article{arxiv.2110.00740,
title = {FICGAN: Facial Identity Controllable GAN for De-identification},
author = {Yonghyun Jeong and Jooyoung Choi and Sungwon Kim and Youngmin Ro and Tae-Hyun Oh and Doyeon Kim and Heonseok Ha and Sungroh Yoon},
journal= {arXiv preprint arXiv:2110.00740},
year = {2021}
}