LDFA：面向自动驾驶应用的潜在扩散人脸匿名化方法
计算机视觉与模式识别
2023-02-20 v1
摘要
为了保护弱势道路使用者（VRU），如行人和骑行者，智能交通系统（ITS）必须准确识别他们。因此，用于训练 ITS 感知模型的数据集必须包含大量弱势道路使用者。然而，数据保护法规要求在此类数据集中对个人进行匿名化。本文提出一种基于深度学习的新颖流水线，用于 ITS 场景下的人脸匿名化。与相关方法不同，我们不使用生成对抗网络（GAN），而是基于扩散模型的最新进展。我们提出一种两阶段方法，包含人脸检测模型，随后使用潜在扩散模型生成逼真的人脸修复。为证明匿名化图像的通用性，我们在匿名化数据上训练分割方法，并在非匿名化数据上评估它们。我们的实验表明，与朴素方法相比，我们的流水线更适合为分割任务匿名化数据，并且与近期基于 GAN 的方法性能相当。此外，与人脸匿名化朴素或近期基于 GAN 的方法相比，人脸检测器对我们方法匿名化的人脸获得了更高的 mAP 分数。
引用
@article{arxiv.2302.08931,
title = {LDFA: Latent Diffusion Face Anonymization for Self-driving Applications},
author = {Marvin Klemp and Kevin Rösch and Royden Wagner and Jannik Quehl and Martin Lauer},
journal= {arXiv preprint arXiv:2302.08931},
year = {2023}
}
备注
6 pages, 5 figures