跳到正文
热点事件观察中

论文提出 TEMPER 方法消除人脸识别嵌入中的属性泄露

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Unsal Ozturk 等人发布论文,提出 TEMPlate Entropy Regularisation (TEMPER) 方法。该方法旨在从 ArcFace 等人脸识别嵌入中移除性别、种族等软生物特征属性。 研究在变分自编码器的潜在空间学习线性映射,通过最大化辅助分类器预测熵来消除泄露,同时保留配对相似度。实验表明,相比十种先前的后处理方法,TEMPER 在降低属性泄露的同时保持了更高的真实匹配率。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. arXiv · 机器人与计算机视觉
    TEMPER:减少人脸识别嵌入中的属性泄露

    该论文提出 TEMPlate Entropy Regularisation (TEMPER) 方法,用于从 ArcFace 等人脸识别嵌入中移除性别和种族等软生物特征属性。该方法在变分自编码器的潜在空间学习线性映射,以最大化辅助分类器的预测熵并保留配对相似度。实验显示,相比十种先前的后处理方法,TEMPER 在降低属性泄露的同时保持了更高的真实匹配率。

本事件热度走势

可比范围当前
4
可比范围峰值
811月17日 22:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。