眼见不为实:用于人类视觉隐私保护的身份隐藏器
计算机视觉与模式识别
2024-08-26 v5
摘要
海量采集的人脸图像被存储于数据库中用于个体识别。然而,这些数据可被数据管理者无意中观察到,这并非个体意愿并可能导致隐私侵犯。现有保护方案能保持可识别性但轻微改变面部外观,使其仍易受数据管理者对原始身份的视觉感知影响。本文中,我们提出了一种用于人类视觉保护的有效身份隐藏器,其能显著改变外观以在视觉上隐藏身份,同时允许人脸识别器进行识别。具体而言,该身份隐藏器得益于两个专门设计的模块:1) 虚拟人脸生成模块通过操纵StyleGAN2的潜空间生成具有新外观的虚拟人脸。特别地,该虚拟人脸具有与原始人脸相似的解析图,可支持头部姿态检测等其他视觉任务。2) 外观迁移模块通过属性替换将虚拟人脸的外观迁移至原始人脸。同时,借助解耦网络,身份信息可被良好保留。此外,支持多样性和背景保留以满足不同需求。大量实验表明,所提身份隐藏器在隐私保护和可识别性保持上均取得了优异性能。
引用
@article{arxiv.2307.00481,
title = {Seeing is not Believing: An Identity Hider for Human Vision Privacy Protection},
author = {Tao Wang and Yushu Zhang and Zixuan Yang and Xiangli Xiao and Hua Zhang and Zhongyun Hua},
journal= {arXiv preprint arXiv:2307.00481},
year = {2024}
}