ReFaceX: anonimización facial reversible controlada por el donante con recuperación separada

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Ciberseguridad

Sus antecedentes:

• Los métodos actuales de anonimización de imágenes faciales luchan por equilibrar la protección de la identidad con la utilidad de los datos.
• Los métodos centrados en la reconstrucción desdibujan detalles importantes, mientras que las técnicas de edición latente a menudo no logran eliminar eficazmente las señales de identidad.

Objetivo del estudio:

• Desarrollar un marco de anonimización reversible novedoso, ReFaceX, que separe eficazmente la información de identidad de las imágenes faciales.
• Preservar el contenido no identitario como la pose, el fondo y la expresión, al tiempo que se garantiza una protección sólida de la identidad.

Principales métodos:

• ReFaceX utiliza un anonimizador U-Net con Fusión de Características de Identidad, guiado por un código de identidad donante.
• Un canal esteganográfico incrusta una carga útil de recuperación compacta, con gradientes de reconstrucción bloqueados para evitar la fuga de identidad.
• El marco define explícitamente modelos de amenaza y audita los resultados utilizando algoritmos sólidos de reconocimiento facial.

Principales resultados:

• ReFaceX reduce significativamente la similitud de identidad en múltiples modelos de reconocimiento facial (FaceNet, ArcFace, AdaFace) en los conjuntos de datos LFW y CelebA-HQ.
• El marco demuestra una calidad mejorada de la imagen recuperada, con altas puntuaciones SSIM, LPIPS y PSNR.
• ReFaceX opera en tiempo real en una sola GPU y muestra robustez a la recodificación JPEG.

Conclusiones:

• ReFaceX ofrece una solución práctica y auditable para la publicación responsable de imágenes faciales, equilibrando la privacidad y la utilidad.
• El marco sirve como base para futuras extensiones a video, resoluciones más altas y garantías de recuperación mejoradas.