私たちは、画像中の顔を自動的に匿名化しながら元のデータ分布を維持できる新しいアーキテクチャを提案します。当アー�キテクチャは、プライバシー保護された情報のみを使用して画像を生成することで、画像内のすべての顔の完全な匿名化を確保します。私たちのモデルは条件付き生成対抗ネットワーク（Generative Adversarial Network: GAN）に基づいており、元のポーズと背景を考慮に入れて画像を生成します。この条件情報により、生成された顔と既存の背景との間で滑らかな移行が可能となり、非常に現実的な顔を生成することができます。さらに、非標準的なポーズ、隠れた顔、および多様な背景を持つ人間の顔の多様なデータセットを紹介します。最後に、当モデルが画像を匿名化しつつデータ分布を保全する能力を示す実験結果を提示し、これらのデータが深層学習モデルのさらなる訓練に適していることを確認しています。私たちが知る限りでは、現実的な画像を生成しながら顔の匿名化を保証する他のソリューションは提案されていません。