差分隐私:基于扩散的人脸隐私保护
原文中文,约300字,阅读约需1分钟。发表于: 。本文提出了一种基于扩散模型的面部隐私保护方法 Diff-Privacy,通过统一匿名化和视觉身份信息隐藏任务,利用多尺度图像反演模块(MSI)和条件嵌入策略实现面部图像的隐私保护。
该研究提出了一种新方法(IDiff-Face)用于合成身份生成,以实现面部识别训练中的逼真身份变化。经过评估,该合成基础的面部识别方法在LFW基准测试上实现了98.00%的准确率,填补了与基于真实数据的面部识别准确率为99.82%之间的差距。