顔の匿名化を簡単にする

Face Anonymization Made Simple

November 1, 2024

著者: Han-Wei Kung, Tuomas Varanka, Sanjay Saha, Terence Sim, Nicu Sebe

cs.AI

要旨

現在の顔の匿名化技術は、しばしば顔認識モデルによって計算されるアイデンティティの喪失に依存していますが、これは不正確で信頼性に欠けることがあります。さらに、多くの手法では、合成プロセスをガイドするために顔のランドマークやマスクなどの補助データが必要です。それに対し、私たちのアプローチは、再構成損失のみを持つ拡散モデルを使用し、顔のランドマークやマスクの必要性を排除しつつも、複雑で細かい詳細を持つ画像を生成します。私たちは、公開されている2つのベンチマークで、定量的および定性的評価を通じて結果を検証しました。私たちのモデルは、アイデンティティの匿名化、顔の属性保存、画像の品質という3つの主要分野で最先端のパフォーマンスを達成しています。匿名化の主な機能を超えて、私たちのモデルは、追加の顔の画像を入力として取り込むことで、顔の交換タスクも実行でき、その汎用性と多様な応用可能性を示しています。私たちのコードとモデルは、https://github.com/hanweikung/face_anon_simple で入手可能です。

English

Current face anonymization techniques often depend on identity loss calculated by face recognition models, which can be inaccurate and unreliable. Additionally, many methods require supplementary data such as facial landmarks and masks to guide the synthesis process. In contrast, our approach uses diffusion models with only a reconstruction loss, eliminating the need for facial landmarks or masks while still producing images with intricate, fine-grained details. We validated our results on two public benchmarks through both quantitative and qualitative evaluations. Our model achieves state-of-the-art performance in three key areas: identity anonymization, facial attribute preservation, and image quality. Beyond its primary function of anonymization, our model can also perform face swapping tasks by incorporating an additional facial image as input, demonstrating its versatility and potential for diverse applications. Our code and models are available at https://github.com/hanweikung/face_anon_simple .