顔プライバシーの保護:スタイル-ロバストなメイクアップ転送による敵対的アイデンティティマスクの生成【JST・京大機械翻訳】

Hu Shengshan; Liu Xiaogeng; Zhang Yechao; Li Minghui; Zhang Leo Yu; Jin Hai; Wu Libing

プレプリント

J-GLOBAL ID：202202208559276353 整理番号：22P0299771

顔プライバシーの保護:スタイル-ロバストなメイクアップ転送による敵対的アイデンティティマスクの生成【JST・京大機械翻訳】

Protecting Facial Privacy: Generating Adversarial Identity Masks via Style-robust Makeup Transfer

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月06日プレプリントサーバーでの情報更新日： 2022年03月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深い顔認識(FR)システムは同定と検証において驚くべき性能を示したが,特にソーシャルネットワーク上で広く普及している公共顔画像に対して,ユーザに関する過度の監視に対するプライバシーの懸念を喚起した。最近,いくつかの研究は,非認可顔認識システムによって同定された写真を保護するために敵対的用例を採用する。しかし,敵対顔画像を生成する既存の方法は,アワーワード視覚,ホワイトボックス設定,弱い転送性のような多くの限界に悩まされ,現実感で顔プライバシーを保護するのを困難にする。本論文では,より強力なブラックボックス転送性とより良い視覚品質を同時に保存する敵対顔画像の構築を目的とする新しい顔保護法である,敵対的メークアップ転送GAN(AMT-GAN)を提案した。AMT-GANは,参照画像から転送されたメークアップによる敵対顔画像を合成するために,生成敵対ネットワーク(GAN)を利用する。特に,著者らは,攻撃強度と視覚変化の間の望ましいバランスを達成して,広告移動における敵対的ノイズとサイクル一貫性損失の間のコンフリクトを調和させるために,共同訓練戦略とともに新しい正則化モジュールを導入した。広範な実験は,芸術の状態と比較して,AMT-GANが快適な視覚品質を維持するだけでなく,顔++,Aliyun,およびMicrosoftを含む市販のFR APIsよりも高い攻撃成功率を達成することができることを検証した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , , , , , , ,

前のページに戻る