Attribute-preserving Face Dataset Anonymization via Latent Code Optimization

要約

この作業は、画像のデータセット内の顔の身元を匿名化するという問題に対処します。これにより、描かれている人のプライバシーが侵害されないようにすると同時に、データセットは機械学習モデルのトレーニングなどの下流のタスクに役立ちます。
私たちの知る限り、私たちはこの問題に明示的に対処し、既存の最先端のアプローチの 2 つの主要な欠点に対処した最初の企業です。
ニューラル ネットワーク、および/または (ii) 匿名化された相手の元の画像の顔の属性を保持できません。その保持は、下流のタスクで使用するために最も重要です。
したがって、事前トレーニングされたGANの潜在空間で画像の潜在表現を直接最適化する、タスクに依存しない匿名化手順を提示します。
潜在コードを直接最適化することで、顔の属性を維持しながら (FaRL の深い特徴空間での新しい特徴マッチング ロスを使用して)、アイデンティティがオリジナルから望ましい距離にあること (アイデンティティの難読化損失) を保証します。
私たちは一連の定性的および定量的実験を通じて、私たちの方法が画像の身元を匿名化できる一方で、重要なことに顔の属性をより適切に保存できることを示しています。
コードと事前トレーニング済みのモデルは、https://github.com/chi0tzp/FALCO で公開されています。

要約(オリジナル)

This work addresses the problem of anonymizing the identity of faces in a dataset of images, such that the privacy of those depicted is not violated, while at the same time the dataset is useful for downstream task such as for training machine learning models. To the best of our knowledge, we are the first to explicitly address this issue and deal with two major drawbacks of the existing state-of-the-art approaches, namely that they (i) require the costly training of additional, purpose-trained neural networks, and/or (ii) fail to retain the facial attributes of the original images in the anonymized counterparts, the preservation of which is of paramount importance for their use in downstream tasks. We accordingly present a task-agnostic anonymization procedure that directly optimizes the images’ latent representation in the latent space of a pre-trained GAN. By optimizing the latent codes directly, we ensure both that the identity is of a desired distance away from the original (with an identity obfuscation loss), whilst preserving the facial attributes (using a novel feature-matching loss in FaRL’s deep feature space). We demonstrate through a series of both qualitative and quantitative experiments that our method is capable of anonymizing the identity of the images whilst — crucially — better-preserving the facial attributes. We make the code and the pre-trained models publicly available at: https://github.com/chi0tzp/FALCO.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google