机器 pareidolia：基于情感编辑保护人脸图像
计算机视觉与模式识别
2026-03-05 v1 机器学习
摘要
人脸识别（Facial Recognition，FR）系统的不断普及在数字领域引发了隐私关注，因为滥用FR模型构成重大威胁。传统反措施，如化妆风格迁移，在黑箱设置下 transferring 率低，且在不同人口统计组之间适用性有限，包括男性和肤色较深者。为此，我们引入一种新颖的人脸隐私保护方法，称为MAP（Machine Pareidolia），该方法 pioneering 地采用人类情感修改来 disguised 原始身份于人脸图像中。该方法独特之处在于 fine-tune 一个评分网络以学习双重目标：目标身份和人类表达，这些目标通过梯度投影联合优化，以确保在共享局部最优点收敛。此外，我们通过应用局部平滑正则化和优化评分匹配损失来提高受保护图像的感知质量。实验结果表明，我们的创新方法在定性保真度和定量指标方面均优于先前的基线，包括基于噪声、基于化妆和自由属性方法。此外，MAP对在线FR API有效，并且在不寻常的摄影情境中显示出先进的适应性。
引用
@article{arxiv.2603.03665,
title = {Machine Pareidolia: Protecting Facial Image with Emotional Editing},
author = {Binh M. Le and Simon S. Woo},
journal= {arXiv preprint arXiv:2603.03665},
year = {2026}
}
备注
Proceedings of the AAAI Conference on Artificial Intelligence 40