[論文レビュー] Face Anonymization by Manipulating Decoupled Identity Representation.

Tianxiang Ma, Dongze Li+2 more|arXiv (Cornell University)|May 24, 2021

Generative Adversarial Networks and Image Synthesis参考文献 25被引用数 5

ひとこと要約

本論文は、GANフレームワーク内での条件付きマルチスケール再構成（CMR）損失とアイデンティティ損失を用いて、顔の属性からアイデンティティ表現を分離する顔匿名化手法を提案する。この手法、通称Anonymous Identity Generation（AIG）は、最小限の画像歪みで、匿名化成功率と視覚的品質の両面で最先端の性能を達成している。

ABSTRACT

Privacy protection on human biological information has drawn increasing attention in recent years, among which face anonymization plays an importance role. We propose a novel approach which protects identity information of facial images from leakage with slightest modification. Specifically, we disentangle identity representation from other facial attributes leveraging the power of generative adversarial networks trained on a conditional multi-scale reconstruction (CMR) loss and an identity loss. We evaulate the disentangle ability of our model, and propose an effective method for identity anonymization, namely Anonymous Identity Generation (AIG), to reach the goal of face anonymization meanwhile maintaining similarity to the original image as much as possible. Quantitative and qualitative results demonstrate our method's superiority compared with the SOTAs on both visual quality and anonymization success rate.

研究の動機と目的

• 顔画像データにおけるアイデンティティ漏洩の懸念が高まる中、プライバシー保護のニーズに対応すること。
• 既存の顔匿名化手法が画像品質を低下させるか、完全にアイデンティティを隠せないという限界を克服すること。
• 元の画像と顔の外見の類似性を保ちながら、効果的にアイデンティティを匿名化する手法を開発すること。
• 深層学習を用いてアイデンティティとそれ以外の顔の属性の間で強力な分離を達成すること。

提案手法

• 生成的敵対ネットワーク（GANs）を活用し、アイデンティティが他の属性から分離された顔の表現を学習する。
• 顔の構造と外見を複数スケールにわたり保持するため、条件付きマルチスケール再構成（CMR）損失を用いてモデルを訓練する。
• 生成された画像が元の人物のアイデンティティを保ちつつ匿名化されていることを保証するため、アイデンティティ損失を組み込む。
• 匿名アイデンティティ生成（AIG）を適用し、元の人物とは認識されないが外見的に類似した新しいアイデンティティを合成する。
• 敵対的訓練を通じて、アイデンティティ漏洩を最小限に抑えつつ再構成忠実度を最大化するように生成器を最適化する。

実験結果

リサーチクエスチョン

• RQ1 GANベースのモデルは、条件付き生成設定において、アイデンティティ表現を他の顔の属性から効果的に分離できるか？
• RQ2 元の顔画像との知覚的類似性を保ちながら、アイデンティティをどの程度匿名化できるか？
• RQ3 提案されたCMR損失とアイデンティティ損失の組み合わせは、先行手法と比較して、分離性と匿名化性能をどの程度向上させるか？
• RQ4 提案手法の匿名化成功率は、最先端の手法と比較してどの程度か？

主な発見

• 提案手法は、最先端の手法と比較して優れた匿名化成功率を達成した。
• 定量的・定性的な結果から、画像歪みを最小限に抑えつつ、高い視覚的品質が得られていることが確認された。
• CMR損失とアイデンティティ損失の組み合わせにより、アイデンティティ表現の分離が効果的に達成された。
• 匿名アイデンティティ生成（AIG）は、元の人物と視覚的に類似したが、元の人物として認識されない新しいアイデンティティを効果的に生成した。