用于人脸去标识的Privacy-Protective-GAN
计算机视觉与模式识别
2018-06-26 v1
摘要
随着图像源爆发式增长且易于获取，人脸去标识变得愈发重要。新人脸识别技术的进展也引发了人们对隐私泄露的担忧。人脸去标识的主流流程大多基于k-same框架，该框架被批评为有效性低且视觉质量差。本文提出一种称为Privacy-Protective-GAN（PP-GAN）的新框架，其将GAN与专为人脸去标识问题设计的新型验证器（verificator）与调节器（regulator）模块相结合，以根据单一输入确保生成具有保留结构相似性的去标识输出。我们从隐私保护、效用保持与结构相似性方面评估所提方法。我们的方法不仅优于现有人脸去标识技术，还提供了一个将GAN与领域知识先验相结合的实用框架。
引用
@article{arxiv.1806.08906,
title = {Privacy-Protective-GAN for Face De-identification},
author = {Yifan Wu and Fan Yang and Haibin Ling},
journal= {arXiv preprint arXiv:1806.08906},
year = {2018}
}