语义脸部图像合成的对抗性身份注入

原文约200字，阅读约需1分钟。发表于：。

通过使用一个交叉注意力机制来合并身份、风格和语义特征生成尽可能与输入相似的人脸的 SIS 架构，不仅适用于保护身份，而且在面部识别对抗攻击中也是有效的。

本文提出了一种新的无监督学习范例（USIS），通过使用自监督分割损失和基于整个图像小波的鉴别方法，结合在小波域中的生成器结构，实现了语义图像合成（SIS）的无配对数据情况下的性能提升。在三个数据集上进行测试，证明了新方法的有效性。