GFT-GCN：基于谱扩散的隐私保护3D人脸网格识别
计算机视觉与模式识别
2025-11-27 v2
摘要
3D 人脸识别通过捕获面部几何结构提供稳健的生物识别解决方案，能够抵御照度变化、姿态变化和仿冒攻击。其强大的防伪能力使其适用于高安全性应用，但保护存储的生物识别模板仍至关重要。我们提出了 GFT-GCN，一个结合谱图学习和扩散的隐私保护3D人脸识别框架。我们的方法将图 Fourier 变换 (GFT) 和图卷积网络 (GCN) 集成以从3D人脸网格中提取紧凑且判别性的谱特征。为保护这些特征，我们引入一种谱扩散机制，以产生不可逆、可更新且不可关联的模板。轻量级的客户端-服务器体系结构确保原始生物识别数据永远不会离开客户端设备。在 BU-3DFE 和 FaceScape 数据集上的实验表明，GFT-GCN 在高识别准确率和强抗重建攻击方面表现出色。结果表明，GFT-GCN 有效地在隐私和性能之间取得了平衡，为 secure 3D人脸认证提供了实用解决方案。
关键词
引用
@article{arxiv.2511.19958,
title = {GFT-GCN: Privacy-Preserving 3D Face Mesh Recognition with Spectral Diffusion},
author = {Hichem Felouat and Hanrui Wang and Isao Echizen},
journal= {arXiv preprint arXiv:2511.19958},
year = {2025}
}
备注
13 pages, 8 figures, WACV 2026