DeepPrivacy: Ein generatives adversariales Netzwerk zur Gesichtsanonymisierung

Wir schlagen eine neuartige Architektur vor, die in der Lage ist, Gesichter in Bildern automatisch zu anonymisieren, während die ursprüngliche Datenverteilung beibehalten wird. Wir gewährleisten die vollständige Anonymisierung aller Gesichter in einem Bild durch die Erstellung von Bildern ausschließlich auf der Grundlage datenschutzfreundlicher Informationen. Unser Modell basiert auf einem bedingten generativen adversären Netzwerk (conditional generative adversarial network), das Bilder unter Berücksichtigung der ursprünglichen Haltung und des Bildhintergrunds erzeugt. Die bedingten Informationen ermöglichen es uns, hochrealistische Gesichter zu generieren, wobei der Übergang zwischen dem generierten Gesicht und dem bestehenden Hintergrund nahtlos ist. Des Weiteren stellen wir einen vielfältigen Datensatz menschlicher Gesichter vor, der unkonventionelle Haltungen, verdeckte Gesichter und eine große Vielfalt an Hintergründen umfasst. Schließlich präsentieren wir experimentelle Ergebnisse, die die Fähigkeit unseres Modells zeigen, Bilder zu anonymisieren, während die Datenverteilung erhalten bleibt, sodass die Daten für das weitere Training von tiefen Lernalgorithmen geeignet sind. Soweit wir wissen, wurde bisher keine andere Lösung vorgeschlagen, die sowohl die Anonymisierung von Gesichtern als auch die Erstellung realistischer Bilder garantiert.