UU-Net：用于视觉监控视频片段的可逆人脸去标识化

我们提出了一种适用于低分辨率视频数据的可逆人脸去标识化方法，在此类数据中基于特征点的技术无法被可靠使用。我们的解决方案能够生成符合数据保护法规的逼真去标识化视频流，并可在最小隐私约束下公开发布。值得注意的是，该视频流封装了后续重建原始场景所需的所有信息，这对于犯罪调查等需要识别对象身份的场景非常有用。我们描述了一个联合优化两个主要组件的学习过程：1) 公共模块，接收原始数据并生成去标识化视频流，其中身份信息以逼真且无缝的方式被替换；2) 私有模块，专为执法/安全部门设计，分析公共视频流并重建原始场景，揭示场景中所有对象的真实身份。所提方案无需特征点，并使用条件生成对抗网络生成保留姿态、光照、背景信息甚至面部表情的合成人脸。此外，我们实现了对应在原始数据和去标识化数据之间保留的软面部属性集合的完全控制，从而拓宽了该方案的应用范围。我们的实验在三个不同的视觉监控数据集（BIODI、MARS 和 P-DESTRE）上进行，并显示出极具前景的结果。源代码可在 https://github.com/hugomcp/uu-net 获取。