检索结果-南通市图书馆

华东师范大学学报（自然科学版） 2023年第6期 49-60页

作者：步一凡王晓玲贺珂珂卢兴见王文萱华东师范大学计算机科学与技术学院上海200062 复旦大学计算机科学技术学院上海200438

智能手机、监控摄像头等智能设备的普及导致了严重的人脸隐私安全问题.人脸去识别化技术被认为是解决上述问题的有效途径,该技术旨在将人脸图像中的身份信息去除以有效保护人脸的隐私.然而,现有的研究工作大多缺乏对去识别化人脸图像在... 详细信息

智能手机、监控摄像头等智能设备的普及导致了严重的人脸隐私安全问题.人脸去识别化技术被认为是解决上述问题的有效途径,该技术旨在将人脸图像中的身份信息去除以有效保护人脸的隐私.然而,现有的研究工作大多缺乏对去识别化人脸图像在身份上显式的控制与可控的变化,导致去识别化后的图像无法应用于人脸验证和检索等与身份相关的任务.因此,考虑到去识别化人脸图像在身份相关任务上的可用性,提出了一种新的面向身份相互关系一致性的人脸去识别化任务,即任意两个被去识别化的人脸之间的身份相互关系与去识别化前的人脸保持一致.为解决这一问题,引入了一种任务驱动的身份相互关系一致性生成对抗网络算法.该方法设计了一种基于特征向量旋转的去识别化模块,将原有的身份特征可控修改为具有身份相互关系一致性的去识别化特征.此外,还引入了身份控制损失,以保证去识别化后生成的人脸身份的准确性.大量的定性和定量结果表明,提出的方法在人脸的去识别化和去识别人脸的身份相互关系一致性上的表现远优于现有的方法.

关键词：隐私保护人脸去识别化生成对抗网络身份相互关系一致性

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于生成对抗网络的人脸去识别化方法研究及应用

基于生成对抗网络的人脸去识别化方法研究及应用

引用

作者：步一凡华东师范大学

学位级别：硕士

人脸去识别化方法(Face De-identification)是通过去除人脸图像中包含的身份特征信息来保护个人的人脸隐私,该身份特征信息是标识个体唯一的身份标识,该信息中隐含着个体的各类隐私信息(例如交易密码)。随着生成对抗网络在人脸生成应用... 详细信息

人脸去识别化方法(Face De-identification)是通过去除人脸图像中包含的身份特征信息来保护个人的人脸隐私,该身份特征信息是标识个体唯一的身份标识,该信息中隐含着个体的各类隐私信息(例如交易密码)。随着生成对抗网络在人脸生成应用场景下的卓越效果,现有的一些工作利用该技术,在尽可能去除身份特征信息的前提下,提升了去识别化人脸图像的质量。虽然这些方法平衡了隐私保护的力度和图像生成的质量,但它们仍存在以下的不足:(1)生成去识别化人脸图像的高可用性问题。生成的人脸去识别化人脸图像无法应用于与身份相关的任务场景,例如身份验证和检索,以及去识别化人脸图像的还原。(2)缺少对去识别化人脸图像身份信息的显式控制。现有的工作大多以高可用目标损失和身份去识别损失共同作为训练目标,并不能准确掌握输出人脸图像的身份信息,或该身份信息不可控,因此不能显式的保证身份信息被明确消除。(3)生成的去识别人脸图像质量不高。由于采用像素级的生成方式,生成人脸图像容易产生伪影,导致训练时间较长且生成质量不够理想。为了解决上述这些缺陷,本文提出面向身份相互关系一致性生成对抗网络ⅡRC-GAN和基于预训练模型的可控可还原人脸去识别化方法CRFD-GAN。最后,本文设计并实现了面向人脸隐私保护的去识别化系统,将传统和所提出的去识别化方法集成在内,使得用户或研究者能够端到端的生成去识别化人脸图像集,并提供可视化分析功能,便于用户或研究者针对其场景来选择合适的方法与超参。本文贡献如下:1.面向身份相互关系一致性的人脸去识别化方法ⅡRC-GAN 针对现有人脸去识别化方法生成的去识别化人脸图像无法应用于身份相关的任务及缺少对去识别化人脸图像身份信息的显示控制的问题,本文提出了 ⅡRC-GAN模型。首先,本文首次提出并形式化定义了身份相互关系一致性人脸去识别化任务。其次,为了能对生成的去识别化人脸图像的身份进行显式控制,本文创新性地提出了身份相互关系一致性损失,利用多个不同的身份特征向量来模拟去识别化前后的人脸身份的相互关系。最后,本文提出了基于特征向量旋转的去识别化器,来可控地对原始人脸图像的身份进行去识别。本文对提出的ⅡRC-GAN方法从真实性、去识别化程度、身份相互关系一致性三个层面进行定量和定性的评估,与SOTA的方法进行对比,在CelebA、MORPH、LFW三个公开数据集上进行评测,在各任务上都显示出了优异的表现,证明了提出方法的有效性。2.基于预训练模型的可控可还原人脸去识别化方法CRFD-GAN 针对去识别人脸图像的可还原性以及生成去识别化人脸图像质量不高的问题,本文提出了CRFD-GAN模型。首先,考虑到人脸去识别化图像在还原性上和可控性上的需求,形式化定义了身份可控可还原的人脸去识别化任务问题。其次,我们创新性地将预训练模型应用于人脸去识别化的方法框架中以提升生成图像的质量,并训练映射网络,将身份属性特征向量映射到预训练模型的输入隐空间中。最后,提出了身份特征向量的可控和可还原的变换方式以提升去识别化人脸方法的可用性。本文对提出的CRFD-GAN方法进行了详尽的实验,在StyleGAN2生成数据集和FFHQ数据集上从多个方面进行评测,尤其在还原性任务上,还原图像的生成质量取得了 SOTA的结果。3.面向人脸隐私保护的去识别化系统本文设计并实现了面向人脸隐私保护的去识别化系统,其包括传统和本文提出的去识别化算法,提供了端到端的原始人脸图像集生成到去识别人脸图像集的功能和可视化分析功能等。除去识别化的主要功能外,针对用户或研究者无法确定选择的超参和方法是否合适于其场景的问题,提供了去识别化结果可视化分析模块。该模块同时也帮助用户或研究者理解去识别化算法对身份信息的变化方式。

关键词：人脸去识别化深度学习生成对抗网络预训练模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：