Vec2Face：从人脸识别黑盒特征中揭示人脸
计算机视觉与模式识别
2020-03-17 v1
摘要
在给定某人从黑盒人脸识别引擎提取的高层表示的情况下，揭示该人的人脸图像极具挑战性。这是因为该引擎可获取信息的局限性，包括其结构及不可解释的提取特征。本文提出一种结合双射度量学习的新型生成结构，即蒸馏框架下的双射生成对抗网络（DiBiGAN），用于根据该人特征合成其身份的人脸。为有效解决此问题，本工作首先引入双射度量，使距离度量与度量学习过程可直接用于图像域的图像重建任务。其次，引入蒸馏过程以最大化从黑盒人脸识别引擎中挖掘的信息。随后提出带指数加权策略的特征条件生成器结构，以得到更鲁棒的生成器，能够合成具有身份保持的真实人脸。在 CelebA、LFW、AgeDB、CFP-FP 等多个基准数据集上针对匹配引擎的结果，证明了 DiBiGAN 在图像真实性与身份保持特性上的有效性。
引用
@article{arxiv.2003.06958,
title = {Vec2Face: Unveil Human Faces from their Blackbox Features in Face Recognition},
author = {Chi Nhan Duong and Thanh-Dat Truong and Kha Gia Quach and Hung Bui and Kaushik Roy and Khoa Luu},
journal= {arXiv preprint arXiv:2003.06958},
year = {2020}
}
备注
CVPR 2020