BriefGPT - AI 论文速递
·
DiffAM：基于扩散的面部隐私保护对抗妆容转换
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了Adv-Diffusion框架，生成逼真的对抗性图像。通过生成语义扰动的身份敏感条件扩散生成模型，设计了自适应强度的对抗性扰动算法。在FFHQ和CelebA-HQ数据集上实验，证明了该方法的卓越性能。
🎯
关键要点
- 该研究提出了Adv-Diffusion框架，用于生成逼真的对抗性图像。
- 框架在潜在空间中生成不可感知的对抗性身份扰动。
- 利用潜在扩散模型的修补能力，设计了自适应强度的对抗性扰动算法。
- 算法确保攻击的可传递性和隐秘性。
- 在FFHQ和CelebA-HQ数据集上进行了广泛的实验，证明了该方法的卓越性能。
- 该方法无需额外的生成模型训练过程。
🏷️
标签
➡️
