Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification

要約

個人的な写真が簡単に漏れて収集される時代には、顔の識別はアイデンティティのプライバシーを保護するための重要な方法です。
ただし、現在の顔の識別技術は、属性の詳細を維持する際の課題に直面し、多くの場合、信頼性を低下させて匿名化された結果を生成します。
これらの欠点は、閉塞を処理する際に特に顕著であり、頻繁に目立った編集アーティファクトをもたらします。
この作業における私たちの主な発見は、アイデンティティの解体と匿名化の同時トレーニングがそれぞれの有効性を妨げることです。したがって、「匿名の前に解く前）を提案します。
このフレームワークには、対照的なアイデンティティの解体（CID）モジュールと、忠実な属性の保存と高品質のアイデンティティ匿名化編集を実現する重要な可証可能なリバーシブルアイデンティティ匿名化（KRIA）モジュールが含まれます。
さらに、oclusionsの下での匿名化品質の低下の問題に対処するために、マルチスケールの注意属性保持（MAAR）モジュールを導入します。拡張実験は、私たちの方法が最先端の脱同調アプローチを上回り、優れた品質、詳細な忠実度の向上、属性の保存パフォーマンスを改善し、occlusionsの堅牢性を高めることを示しています。

要約(オリジナル)

In an era where personal photos are easily leaked and collected, face de-identification is a crucial method for protecting identity privacy. However, current face de-identification techniques face challenges in preserving attribute details and often produce anonymized results with reduced authenticity. These shortcomings are particularly evident when handling occlusions,frequently resulting in noticeable editing artifacts. Our primary finding in this work is that simultaneous training of identity disentanglement and anonymization hinders their respective effectiveness.Therefore, we propose ‘Disentangle Before Anonymize’,a novel two-stage Framework(DBAF)designed for attributepreserved and occlusion-robust de-identification. This framework includes a Contrastive Identity Disentanglement (CID) module and a Key-authorized Reversible Identity Anonymization (KRIA) module, achieving faithful attribute preservation and high-quality identity anonymization edits. Additionally, we introduce a Multiscale Attentional Attribute Retention (MAAR) module to address the issue of reduced anonymization quality under occlusions.Extensive experiments demonstrate that our method outperforms state-of-the-art de-identification approaches, delivering superior quality, enhanced detail fidelity, improved attribute preservation performance, and greater robustness to occlusions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google