基于VGAN的图像表示学习用于隐私保护的面部表情识别
计算机视觉与模式识别
2018-09-10 v2
摘要
可靠的面部表情识别在人机交互中起着至关重要的作用。然而，迄今为止提出的大多数面部表情分析方法很少或根本没有关注用户隐私的保护。在本文中，我们提出了一种隐私保护表示学习变分生成对抗网络（PPRL-VGAN），以学习一种与身份信息显式解耦的图像表示。同时，从面部表情识别的角度来看，该表示具有判别性；并且由于它允许合成表情等价的人脸图像，因此也具有生成性。我们在各种威胁场景下的两个公开数据集上评估了所提出的模型。定量和定性结果表明，我们的方法在隐私保护和数据效用之间取得了平衡。我们进一步证明，我们的模型可以有效地应用于其他任务，例如表情变形和图像补全。
引用
@article{arxiv.1803.07100,
title = {VGAN-Based Image Representation Learning for Privacy-Preserving Facial Expression Recognition},
author = {Jiawei Chen and Janusz Konrad and Prakash Ishwar},
journal= {arXiv preprint arXiv:1803.07100},
year = {2018}
}