Jun, 2023

基于三维感知的对抗妆容生成技术用于人脸隐私保护

PDF
TL;DR本文提出了一种 3D 感知的对抗性化妆生成 GAN 模型，旨在提高身份信息遮盖的合成化妆品的质量和可转移性，进而保护人脸不被各种人脸识别模型与商业面部验证 API，如 Face++，百度和阿里云等识别。
privacysecurityface dataadversarial makeup generationface recognition
发现论文，激发创造
  • 保护面部隐私：通过样式鲁棒化妆转移生成对抗身份面罩

    本文提出了一种名为 AMT-GAN 的新型人脸保护方法，旨在构建具有更强的黑盒传递性和更好的视觉质量的对抗性人脸图像，通过引入新的正则化模块以及联合训练策略来解决对抗噪声和化妆品转移中的循环一致性损失之间的冲突，实现攻击能力和视觉变化之间的理想平衡。广泛的实验验证了该方法能够保持较高的视觉质量，同时在 Face ++，Aliyun 和 Microsoft 等商业 FR API 上实现更高的攻击成功率。

    Mar, 2022

  • DiffAM：基于扩散的面部隐私保护对抗妆容转换

    利用扩散模型生成对抗性妆容转移以保护人脸图像隐私的研究

    May, 2024

  • Adv-Makeup: 一种新的对人脸识别具有隐形性和可迁移性的攻击

    本文提出一种 Adv-Makeup 统一的对抗人脸生成方法，实现在黑盒环境下的不可察觉和可转移攻击，它使用任务驱动的化妆生成方法和精细的元学习对抗攻击策略，能够在数字和物理环境下生成更为不可察觉的攻击，并显著提高黑盒环境下的攻击成功率。

    May, 2021

  • 基于生成对抗网络的分离化妆品转移

    本文提出了 DMT (Disentangled Makeup Transfer)，这是一种统一的生成对抗网络，可实现不同场景的化妆技术转移，它包含了一个身份编码器和一个化妆编码器来解缠非化妆人脸的个人身份和化妆风格，可产生具备高质量和可控功能的化妆转移结果。

    Jul, 2019

  • SOGAN: 面向化妆迁移的三维感知阴影和遮挡鲁棒性 GAN

    本文介绍了新颖的虚拟化妆转换方法 3D-Aware Shadow 和 Occlusion Robust GAN（SOGAN），该方法成功地解决了在真实环境中进行化妆转换所面临的问题，并且在大姿态和表情变化方面也有很好的表现。

    Apr, 2021

  • 通过面向转换的对抗性人脸防御，抵御基于 GAN 的深度伪造攻击

    本研究提出了使用差分随机图像变换的对抗攻击作为 GAN-based Deepfake 的防御方法，同时使用基于集合的方法加强了攻击的鲁棒性。

    Jun, 2020

  • 3D-FM GAN: 面部三维可控制变化

    提出了一种新的 3D 可控脸部操作方法：3D-FM GAN，通过将输入脸部图像和 3D 编辑的真实渲染相结合，可以提供高质量、身份保留、3D 可控的脸部操作，相较于现有技术，具有更好的可编辑性、更强的身份保护和更高的照片逼真度。

    Aug, 2022

  • 通过生成对抗网络实现高质量面部表面和纹理合成

    提出了一种基于 3D 可变形模型和生成对抗网络的面部综合模型，使用普适化方法将几何数据映射到二维平面，实现了对数字扫描的几何数据高效处理，在人类纹理参数空间中生成逼真的面部纹理和它们的对应几何图形，从而获得了新的高分辨率 3D 面孔。

    Aug, 2018

  • 生成逼真的训练数据以提高人脸识别准确性

    本文研究使用合成数据来增强面部数据集的可行性。我们提出了一种新颖的生成对抗网络（GAN），可以将相关身份属性与非相关身份属性区分开来。我们的 GAN 能够生成数据增强的合成图像，并且该模型可以提高面部识别模型的准确率。

    Oct, 2018

  • 基于属性引导的人脸纹理掩码加密

    本文提出了一种名为 “AGE-FTM” 的算法，在保证高攻击成功率的同时实现了良好的可视化质量，它利用的是 GAN 来生成与面部属性修改后的空间一致的对手样本，并使用面部纹理掩蔽攻击来生成微不可见的不在空间内的对手样本，实验结果证明在面部识别 API 测试中，AGE-FTM 是一种有效的实用方法。

    May, 2023