GANonymization：一种基于 GAN 且保留表情的人脸匿名化框架

近年来，个人数据的日益可得引发了关于隐私与安全的担忧。解决这些担忧的关键流程之一是数据匿名化，其旨在保护个人隐私并防止敏感信息泄露。本研究关注人脸匿名化的重要性。为此，我们提出 GANonymization，一种具有保留面部表情能力的新颖人脸匿名化框架。我们的方法基于人脸的高层表示，该表示通过生成对抗网络（GAN）合成为匿名化版本。我们通过评估该方法在去除可识别面部属性以提升给定个体人脸匿名性方面的性能来检验其有效性。此外，在多个情感识别数据集上评估了其保留面部表情的性能，并在大多数类别上优于最先进的方法。最后，我们分析了该方法去除多种面部特征（如首饰、发色及许多其他特征）的能力，在此方面其表现出可靠的去除性能。我们的结果表明，GANonymization 是一种在保留面部表情的同时实现人脸匿名化的有前景的方法。