講演情報
[N-1-40]ディープフェイクとVAEを用いたアイデンティティ保持型匿名化
◎△山富 龍1、二宮 洋1 (1. 湘南工科大学)
キーワード：
アイデンティティ保持匿名化、ディープフェイク、変分オートエンコーダー
近年，SNSの普及に伴い，意図しない顔画像の拡散リスクが急増している．従来のモザイク処理や領域除去といった匿名化手法は，人物の表情や画像の文脈を損なう課題があった．本研究では，Deepfake技術であるGHOSTとVariational Autoencoder（VAE）を組み合わせた，新たなアイデンティティ保持型匿名化手法を提案する．
提案手法は，匿名化対象の年齢や性別などの属性を維持しつつ，実在しない人物の顔へと変換するものである．具体的には，GHOSTのAttribute Encoderで匿名化対象の顔の向きや表情を抽出する．同時に，対象の顔画像からArcFaceを通じて得られた特徴ベクトルをVAEに入力し，スケール係数と正規乱数を用いて潜在変数を算出，これをデコーダを介して実在しない顔の特徴ベクトルへと変換する．最後に，これら双方の出力をGeneratorに融合させることで匿名化画像を生成する．ここでスケール係数を1より大きく設定することで，対象の属性を維持したまま，より本人とは異なる顔を生成することが期待できる．
データセットUTKFaceを用いた実験評価では，スケール係数の増加に伴ってコサイン類似度が減少することを確認した．特にスケール係数が2のとき，コサイン類似度は0.5734まで低下して別人と認識されるレベルの匿名性を確保しつつも，性別一致度は90.41%を維持し，年齢誤差（RMSE）も7.8757歳に抑えられた．実験結果から，提案手法が目の形やほうれい線などの個人特定に直結する局所特徴を変化させつつ，人物の属性や表情，文脈を高度に維持した匿名化を実現できることが実証された．
提案手法は，匿名化対象の年齢や性別などの属性を維持しつつ，実在しない人物の顔へと変換するものである．具体的には，GHOSTのAttribute Encoderで匿名化対象の顔の向きや表情を抽出する．同時に，対象の顔画像からArcFaceを通じて得られた特徴ベクトルをVAEに入力し，スケール係数と正規乱数を用いて潜在変数を算出，これをデコーダを介して実在しない顔の特徴ベクトルへと変換する．最後に，これら双方の出力をGeneratorに融合させることで匿名化画像を生成する．ここでスケール係数を1より大きく設定することで，対象の属性を維持したまま，より本人とは異なる顔を生成することが期待できる．
データセットUTKFaceを用いた実験評価では，スケール係数の増加に伴ってコサイン類似度が減少することを確認した．特にスケール係数が2のとき，コサイン類似度は0.5734まで低下して別人と認識されるレベルの匿名性を確保しつつも，性別一致度は90.41%を維持し，年齢誤差（RMSE）も7.8757歳に抑えられた．実験結果から，提案手法が目の形やほうれい線などの個人特定に直結する局所特徴を変化させつつ，人物の属性や表情，文脈を高度に維持した匿名化を実現できることが実証された．