基于图的保持姿态生成式人脸匿名化
计算机视觉与模式识别
2022-03-25 v2
摘要
我们提出 AnonyGAN，一种基于 GAN 的人脸匿名化方案，其用作为任意单张图像提供的条件身份替换源身份对应的视觉信息。为保持源人脸的几何属性（即面部姿态与表情）并促进更自然的人脸生成，我们提出利用二部图通过深度模型显式建模源身份面部关键点与条件身份面部关键点之间的关系。我们进一步提出关键点注意力模型以放宽对面部关键点的手动选择，使网络能为最佳视觉自然度与姿态保持对关键点加权。最后，为促进外观学习，我们提出一种混合训练策略以应对缺乏直接像素级监督带来的挑战。我们在 CelebA 和 LFW 两个公开数据集上从视觉自然度、面部姿态保持及其对人脸检测与重识别的影响方面评估了我们的方法及变体。我们证明 AnonyGAN 在视觉自然度、人脸检测和姿态保持方面显著优于最先进的方法。
引用
@article{arxiv.2112.05496,
title = {Graph-based Generative Face Anonymisation with Pose Preservation},
author = {Nicola Dall'Asen and Yiming Wang and Hao Tang and Luca Zanella and Elisa Ricci},
journal= {arXiv preprint arXiv:2112.05496},
year = {2022}
}
备注
21st International Conference on Image analysis and Processing