DeepPrivacy : Un Réseau de Neurones Génératif Adversarial pour l'Anonymisation des Visages

Nous proposons une nouvelle architecture capable d'anonymiser automatiquement les visages dans les images tout en conservant la distribution de données originale. Nous assurons l'anonymisation totale de tous les visages présents dans une image en générant des images exclusivement à partir d'informations protégées par la vie privée. Notre modèle est basé sur un réseau de neurones adversarial génératif conditionnel (conditional generative adversarial network), qui génère des images en tenant compte de la position initiale et du fond de l'image. Les informations conditionnelles nous permettent de créer des visages hautement réalistes avec une transition fluide entre le visage généré et le fond existant. De plus, nous introduisons un ensemble de données diversifié comprenant des visages humains, y compris des poses non conventionnelles, des visages partiellement masqués et une grande variabilité dans les fonds. Enfin, nous présentons des résultats expérimentaux reflétant la capacité de notre modèle à anonymiser les images tout en préservant la distribution de données, rendant ainsi les données appropriées pour l'entraînement ultérieur de modèles d'apprentissage profond. À notre connaissance, aucune autre solution n'a été proposée garantissant l'anonymisation des visages tout en générant des images réalistes.