表情を保ちながら顔を匿名化し、フォトメトリックな現実感を維持する

要旨：
社会メディアプラットフォームや大規模データセットでの顔画像の広範な共有は、同意なしに生体識別子が悪用され得るため、差し迫ったプライバシーの懸念を生み出します。顔の匿名化は、下流タスクでの有用性を保ちつつ、対象者のアイデンティティを不可逆的に隠す現実的な顔画像を生成することを目的とします。しかし、既存の生成アプローチの多くはアイデンティティの除去と画像のリアリズムに焦点を当て、表情やフォトメトリック整合性（特に照明や肌色といった属性）を十分に考慮していないことが多く、再照明、色彩恒常性、医療または感情分析のような応用において重要です。本研究では、表情をより良く保持するために密集した顔ランドマークを取り入れて DeepPrivacy を拡張し、照明の方向と肌色の一貫性を確保する軽量なポスト処理モジュールを導入することで、特徴を保持する匿名化フレームワークを提案します。さらに、表情の忠実度、照明の一貫性、色の保持を定量化するよう設計された評価指標を確立し、画像のリアリズム、姿勢の正確性、再識別耐性といった標準的な指標を補完します。CelebA-HQ データセットを用いた実験は、提案手法が匿名化した顔のリアリズムを改善し、表情、照明、肌色の忠実度が最先端のベースラインと比較して著しく高いことを示しています。これらの結果は、機能を意識した匿名化が、より有用で公正かつ信頼できるプライバシー保護顔データへ向けた一歩であることを強調しています。