MotoJapan's Tech-Memo

技術めも

【ECCV2018 論文メモ#1】Learning to Anonymize Faces for Privacy Preserving Action Detection

ECCV2018まで1ヶ月を切ったので興味がある論文のメモを残していく。(
1日1本のペースで空き時間を使ってやっていきたい。(多分無理だ)

今回の論文と出典

Learning to Anonymize Faces for Privacy Preserving Action Detection
https://arxiv.org/abs/1803.11556

著者

Zhongzheng Ren, Yong Jae Lee, Michael S. Ryoo

内容

  • アクション検出を維持しながらプライバシーのための顔情報匿名化の学習
  • アクション検出とは、「電話をする、歯を磨く、化粧をする」などを指す
  • 顔情報匿名化とは、既存手法では、顔へのBlurやMask、Noiseなどを指す

f:id:motojapan:20180817012039p:plain
(既存匿名化手法例 / 上図:出典より抜粋)

  • 提案手法では、より自然にシーンやアクションを維持したピクセルレベルの匿名化が可能

f:id:motojapan:20180817012042p:plain
(左顔は提案手法匿名化前、右顔は提案手法匿名化後 / 上図:出典より抜粋)

  • GANの仕組みをベースに敵対的学習する
  • 「異なる見た目の修正顔を作るGenerator(Modifier)」
  • 「修正顔であるにも関わらず正しく個人識別できるように学習するDiscriminator」
  • 更にマルチタスク学習として、ActionDetectionを統合して精度を高めている

詳細

  • モデルは下図の通り

f:id:motojapan:20180817012036p:plain
(モデル / 上図:出典より抜粋)

  • fr_{v}は、顔画像 (r_{v}はFaceDetection後の画像となる)
  • Action Detectionは、Faster RCNN
  • Face Detectionは、SSH[29]
  • Face Recognitionは、Sphereface[26]
  • Generatorは、個人識別精度を最小化したい
    • InputとOutputで別人にしたいので
  • Discriminatorは、個人識別精度を最大化したい
    • (修正済みだろうと)どんな入力が来ても正しく識別できてしまえるようにしたいので
    • Tips : 大量のデータで事前学習しておく
  • L_{det}L_{l1}は最小化、 L_{adv}は、最大化するように最適化していく
  • L_{l1}は、Photorealistic Lossで、l1のみだと今回のプライバシータスクに最適でないため、 λを入れ、生成した顔画像の酷似を防止している

以上。