DeepPrivacy: A Generative Adversarial Network for Face Anonymization
ISVC 2019  https://arxiv.org/pdf/1909.04538.pdf
 (个人理解,欢迎指正错误)
 
Introduction
  隐私:整个人脸
  可用性:是看起来自然的人
  文章基于CGAN架构,模型以被遮蔽敏感信息的人脸为输入,以真实人脸中的若干个关键点为条件信息生成假人脸。合成人脸在匿名的同时保留数据分布,使数据适合于进一步训练深度学习模型。
包含真实人脸的图像       遮蔽敏感信息与关键点提取         合成图像
Methodology  
  模型需要对真实人脸进行两步预处理:(1)定位敏感的人脸区域并进行遮蔽生成mask;(2)使用7个关键点生成pose info:耳朵2、眼睛2、鼻子1、肩膀2,对人脸姿态进行估计。
  
  模型整体架构
  ·生成器不直接接触人脸中的敏感信息。
  ·生成器为U-net网络,pose info在解码过程中加入网络。
  ·判别器的输入结合了生成图像/真实图像与图像mask两部分,输入包含6个通道。
  ·判别器与生成器中的decoder类似,也加入了pose info的信息。
  ·GAN模型采用渐进式策略训练。
 
  GAN的渐进式训练 https://arxiv.org/pdf/1710.10196.pdf
  

  先从低分辨率开始训练,逐步抬高分辨率。每次训练针对的分辨率大小由类似resnet的策略控制。

Result

PersonalOpinions

  文章将整个人脸视为敏感信息是过于粗放的,在此基础上匿名手法也很粗放。将人脸遮蔽并借助GAN模型重新生成确实100%去除了人脸敏感信息,但实则变成了“换脸”任务,精细的模型设计仅仅让换脸效果更加自然。

  《人脸识别的侵权责任认定》一文中对人脸中隐私的辨析我十分认同(焦艳玲.人脸识别的侵权责任认定[J].中国高校社会科学,2022(02):117-128+160)。

  人脸图像隐私保护的对象应当是代表生物识别信息的人脸模板,而非人脸图像本身。通过匿名人脸图像固然也匿名了人脸模板,但失去的可用性也是巨大的,唯一的可用性仅仅是保持了图像中仍然包含一个自然的人脸。

DeepPrivacy: A Generative Adversarial Network for Face Anonymization阅读笔记的更多相关文章

  1. 论文阅读之:Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network

    Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network  2016.10.23 摘要: ...

  2. Face Aging with Conditional Generative Adversarial Network 论文笔记

    Face Aging with Conditional Generative Adversarial Network 论文笔记 2017.02.28  Motivation: 本文是要根据最新的条件产 ...

  3. 生成对抗网络(Generative Adversarial Network)阅读笔记

    笔记持续更新中,请大家耐心等待 首先需要大概了解什么是生成对抗网络,参考维基百科给出的定义(https://zh.wikipedia.org/wiki/生成对抗网络): 生成对抗网络(英语:Gener ...

  4. GAN Generative Adversarial Network 生成式对抗网络-相关内容

    参考: https://baijiahao.baidu.com/s?id=1568663805038898&wfr=spider&for=pc Generative Adversari ...

  5. ASRWGAN: Wasserstein Generative Adversarial Network for Audio Super Resolution

    ASEGAN:WGAN音频超分辨率 这篇文章并不具有权威性,因为没有发表,说不定是外国的某个大学的毕业设计,或者课程结束后的作业.或者实验报告. CS230: Deep Learning, Sprin ...

  6. 论文阅读:Single Image Dehazing via Conditional Generative Adversarial Network

    Single Image Dehazing via Conditional Generative Adversarial Network Runde Li∗ Jinshan Pan∗ Zechao L ...

  7. Speech Super Resolution Generative Adversarial Network

    博客作者:凌逆战 博客地址:https://www.cnblogs.com/LXP-Never/p/10874993.html 论文作者:Sefik Emre Eskimez , Kazuhito K ...

  8. 《MIDINET: A CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORK FOR SYMBOLIC-DOMAIN MUSIC GENERATION》论文阅读笔记

    出处 arXiv.org (引用量暂时只有3,too new)2017.7 SourceCode:https://github.com/RichardYang40148/MidiNet Abstrac ...

  9. GAN (Generative Adversarial Network)

    https://www.bilibili.com/video/av9770302/?p=15 前面说了auto-encoder,VAE可以用于生成 VAE的问题, AE的训练是让输入输出尽可能的接近, ...

随机推荐

  1. C 语言中 include <> 与include "" 的区别?

    #include < > 引用的是编译器的类库路径里面的头文件. #include " " 引用的是你程序目录的相对路径中的头文件,如果在程序目录没有找到引用的头文件则 ...

  2. linux-RHEL7.0 —— 《Linux就该这么学》阅读笔记

    目录 linux-RHEL7.0 安装部署 修改root密码 RPM(红帽软件包管理器) YUM(软件仓库) Systemd初始化进程 总结 linux命令 帮助命令 man 系统工作命令 echo ...

  3. 校验ip地址的格式

    /*输入:strIP:ip地址 返回:如果通过验证返回true,否则返回false: */ function isIP(strIP) { if (isNull(strIP)) return false ...

  4. js判断是否为电话号码

    /* 用途:检查输入字符串是否符合国内固话或者传真格式 输入: s:字符串  格式例如:030-4557777返回: 如果通过验证返回true,否则返回false */ function isTel( ...

  5. 小程序预览图片wx.previewImage

    效果图:  ====>   ==>  代码: <image mode='aspectFill' bindtap='previewImage' data-src='{{dataList ...

  6. java反射相关

    反射的机制:反射机制是在运行状态中,对于任意一个类,都能够知道这个类的所有属性和方法:对于任意一个对象,都能够调用它的任意一个方法和属性:这种动态获取的信息以及动态调用对象的方法的功能称为java语言 ...

  7. 多条命令同时执行的包concurrently

    npm i concurrently use "script":{ "client:build": "webpack --config build/w ...

  8. IP和静态路由技术概述

    1. IP地址的构成 IP地址:32比特的二进制数字,通常采用点分十进制方式表示. IP地址由两部分组成. 网络号码字段(Net-id)用于区分不同的网络.网络号码字段的前几位成为类别字段(又称为类别 ...

  9. 使用JQGrid中可见列并存入Cookie

    引入js与css <link href="~/Content/js/jquery-ui/jquery-ui.min.css" rel="stylesheet&quo ...

  10. RENIX软件V6板卡速率设置——网络测试仪实操

    本文主要介绍RENIX软件V6板卡速率设置相关操作.全文分为V6板卡介绍.如何配置端口两大部分.其中从添加和连接机箱.预约端口.配置端口为强制10M.配置端口为自协商100M.配置说明五个方面详细介绍 ...