科研源码学习关注专栏置顶~
论文作者:Fahad Shamshad,Muzammal Naseer,Karthik Nandakumar
作者单位:Mohamed Bin Zayed University of AI
论文链接:http://arxiv.org/abs/2306.10008v1
项目链接:https://github.com/fahadshamshad/Clip2Protect https://fahadshamshad.github.io/clip2protect
内容简介:
1)方向:人脸
2)应用:人脸隐私保护
3)背景:深度学习人脸识别系统的成功引起了隐私问题,现有的隐私保护方法无法生成自然的图像,既能保护面部隐私,又不会影响用户体验。
4)方法:本文提出一种新的 two-step 法面部隐私保护方法,依赖于在预训练生成模型的低维流形中找到对抗性潜在编码。第一步将给定的面部图像反转到潜在空间中,并微调生成模型以从其潜在编码中准确重建给定图像。第二步使用用户定义的化妆文本提示和保持身份的正则化来引导在潜在空间中搜索对抗性编码。
5)结果:广泛的实验表明,所提出方法生成的面部具有更强的黑盒可转移性,在面部验证任务下,与最先进的面部隐私保护方法相比,绝对增益为12.06%。最后,证明了所提出的方法对商业人脸识别系统的有效性。代码可在https://github.com/fahadshamshad/Clip2Protect上获得。