我的脸我做主：用于社交媒体匿名化的隐私增强深度伪造
计算机视觉与模式识别
2022-11-03 v1 人工智能
摘要
近来，人脸识别与身份识别算法的产品化已成为关于伦理 AI 最具争议的话题。随着围绕数字身份的新政策形成，我们在一个假想社交网络中引入了三种人脸访问模型，用户有权仅出现在他们批准的照片中。我们的方法超越了当前的标注系统，并用定量上不相似的深度伪造替换未获批准的人脸。此外，我们针对该任务提出了新的度量指标，其中深度伪造以随机方式生成且保证不相似性。我们基于数据流严格程度解释了访问模型，并讨论了每种模型对隐私、可用性和性能的影响。我们在作为真实数据集的 Facial Descriptor Dataset 以及两个具有随机和均等类别分布的合成数据集上评估了我们的系统。在 our 结果上运行七种 SOTA 人脸识别器，MFMC 将平均准确率降低了 61%。最后，我们在结构、视觉和生成空间中对相似性度量、深度伪造生成器和数据集进行了广泛分析，以支持设计选择并验证质量。
引用
@article{arxiv.2211.01361,
title = {My Face My Choice: Privacy Enhancing Deepfakes for Social Media Anonymization},
author = {Umur A. Ciftci and Gokturk Yuksek and Ilke Demir},
journal= {arXiv preprint arXiv:2211.01361},
year = {2022}
}
备注
2023 IEEE Winter Conference on Applications of Computer Vision (WACV)