通过扩散模型从面部嵌入重建逼真人脸
计算机视觉与模式识别
2026-02-16 v1 机器学习
摘要
随着人脸识别（FR）系统的发展，面向人脸识别的隐私保护系统（PPFR）因其准确识别、增强人脸隐私保护和对各种攻击的鲁棒性而受到欢迎。然而，针对这些系统尤其是PPFR系统，从嵌入重建逼真高分辨率人脸图像的研究仍有限。本文提出面部嵌入映射（FEM），一个通用框架，通过利用预训练的保持身份的扩散模型来探索Kolmogorov-Arnold网络（KAN），对嵌入到人脸的攻击进行实验。基于大量实验，我们验证重建的人脸可用于访问其他真实世界FR系统。此外，提出的方法在从部分和受保护的人脸嵌入中重建人脸方面表现出鲁棒性。此外，FEM可用作评估FR和PPFR系统隐私泄露安全性的工具。本文中使用的所有图像均来自公开数据集。
引用
@article{arxiv.2602.13168,
title = {Realistic Face Reconstruction from Facial Embeddings via Diffusion Models},
author = {Dong Han and Yong Li and Joachim Denzler},
journal= {arXiv preprint arXiv:2602.13168},
year = {2026}
}
备注
Accepted to AAAI 2026