实用数字伪装：利用面部替换保护患者隐私

随着图像生成技术的快速发展，用于隐私保护的面部替换已成为一个活跃的研究领域。其最终益处在于改善对视频数据集的访问，例如在医疗保健环境中。近期文献提出了基于深度网络的架构来执行面部替换，并报告了相关的人脸识别准确率下降。然而，关于这些方法在多大程度上保留了私有化视频对其预期应用仍有用所需的语义信息，目前报道不多。我们的主要贡献是，针对儿童自闭症症状标准化评估的录制视频，提出了一种新颖的端到端面部替换流程。通过这一设计，我们首次提供了一种方法，用于评估面部替换方法在患者隐私保护中的隐私-效用权衡。例如，我们的方法可以表明，当前基于深度网络的面部替换在真实世界视频中受限于人脸检测，并且相对于模糊等基线隐私化方法，面部替换在多大程度上保留了注视和表情信息。