Naraščajoče skrbi o zasebnosti in varstvu podatkov so na področju slikovne biometrije privedle do umika dragocenih podatkovnih baz, ki so ključne za razvoj globokih modelov za razpoznavanje. Problem so v novem članku »Generating bimodal privacy-preserving data for face recognition« naslovili strokovnjaki Laboratorija za računalniški vid (UL FRI) v sodelovanju z Laboratorijem za strojno inteligenco (UL FE) in raziskovalci z inštituta Fraunhofer IGD. Skupaj so raziskovali možnosti generiranja sintetičnih slik z globokimi generativnimi modeli in posledično ustvarjanja sintetičnih podatkovnih baz, ki ne kršijo zasebnosti resničnih oseb.

V članku avtorji predstavijo generativni model ArcBiFaceGAN za sintezo slik obrazov določene identitete v vidnem in bližnje-infrardečem svetlobnem spektru. Z uporabo dodatnega razpoznavnega filtra ArcBiFaceGAN omogoči ustvarjanje sintetičnih identitet, ki niso podobne resničnim učnim identitetam. Namen je zagotoviti prihodnjo razpoložljivost večspektralnih biometričnih podatkovnih baz. V primerjavi s sorodnimi pristopi, ki so omejeni samo na vidni spekter, predstavljena metoda generira bolj kvalitetne in raznolike slike ter posledično omogoči učenje bolj uspešnih globokih modelov za razpoznavanje.

Primerjava metod za sintezo slik obrazov

Članek lahko v celoti preberete na povezavi:

• Engineering Applications of Artificial Intelligence: Generating bimodal privacy-preserving data for face recognition (30. April 2024)