基于表面引导 GAN 的逼真全身匿名化

近期关于图像匿名化的工作表明，生成对抗网络（GANs）可生成近乎照片级真实的人脸以对个体匿名化。然而，将这些网络扩展到整个人体仍是一项具有挑战性且尚未解决的任务。我们提出一种新的匿名化方法，为野外图像生成逼真人体。我们设计的关键部分是通过图像与规范 3D 表面之间的密集像素到表面对应来引导对抗网络。我们引入变分表面自适应调制（V-SAM），将表面信息嵌入生成器各处。将其与我们的新型判别器表面监督损失结合，生成器能在复杂多变场景中合成具有多样外观的高质量人体。我们证明表面引导显著提升了图像质量和样本多样性，从而产生高度实用的生成器。最后，我们表明在收集图像数据集以训练计算机视觉模型时，我们的方法在保留数据可用性的同时不侵犯隐私。源代码与附录见：\href{https://github.com/hukkelas/full_body_anonymization}{github.com/hukkelas/full\_body\_anonymization}