面向深度伪造隐私保护的替罪羊图像生成
计算机视觉与模式识别
2023-03-07 v1
摘要
为保护隐私并防止深度伪造(deepfake)的恶意使用,现有研究提出了干扰生成过程的方法,例如检测与破坏方法。然而,这些方法对未见模型的泛化性能欠佳,且会给原始图像引入不期望的噪声。为解决这些问题,我们提出一种新的深度伪造防范问题表述:通过修改原始输入的风格来生成“替罪羊图像(scapegoat image)”,该图像可被用户识别为头像,但无法重建真实人脸。即便发生恶意深度伪造,用户隐私仍受保护。为此,我们引入一种基于优化的编辑方法,利用 GAN 反演(GAN inversion)来阻止深度伪造模型生成相似的替罪羊图像。我们通过定量与用户研究验证了所提方法的有效性。
引用
@article{arxiv.2303.02930,
title = {Scapegoat Generation for Privacy Protection from Deepfake},
author = {Gido Kato and Yoshihiro Fukuhara and Mariko Isogawa and Hideki Tsunashima and Hirokatsu Kataoka and Shigeo Morishima},
journal= {arXiv preprint arXiv:2303.02930},
year = {2023}
}
备注
5 pages, 5 figures