KAN See Your Face
计算机视觉与模式识别
2024-11-28 v1
摘要
随着人脸重建(FR)系统的发展，隐私保护人脸识别(PPFR)因其安全的人脸识别、增强的面部隐私保护以及对各种攻击的鲁棒性而受到青睐。此外，针对人脸嵌入保护，提出了特定模型和算法，通过将嵌入映射到安全空间。然而，缺乏对从这些系统的人脸嵌入中提取人脸图像可能性的研究与评估，尤其是针对 PPFR。本文介绍了首次利用柯尔莫戈-阿诺夫网络(KAN)进行面向最先进(SOTA) FR 和 PPFR 系统的嵌入到人脸攻击的方法。提出了人脸嵌入映射(FEM)模型，用于学习初始域和目标域之间嵌入的分布映射关系。与多层感知器(MLP)相比，我们提供了两种变体:FEM-KAN 和 FEM-MLP，用于高效的非线性嵌入到嵌入映射，以从相应的人脸嵌入中重建逼真的人脸图像。为验证我们的方法，我们使用各种 PPFR 和 FR 模型进行了大量实验。我们通过不同的指标衡量重建的人脸图像以评估图像质量。通过全面实验，我们展示了 FEM 在准确嵌入映射和人脸重建方面的有效性。
引用
@article{arxiv.2411.18165,
title = {KAN See Your Face},
author = {Dong Han and Yong Li and Joachim Denzler},
journal= {arXiv preprint arXiv:2411.18165},
year = {2024}
}
备注
16 pages, 8 figures