Forscher entwickeln neue KI-basierte Methode zur Gesichtsanonymisierung
Um die Privatsphäre im internet zu schützen, werden Porträtfotos oft verfremdet oder anonymisiert. Die Anonymisierung erschwert den Missbrauch von Bildern und Videos für Zwecke wie Identitätsdiebstahl, Stalking oder andere kriminelle Aktivitäten. Angesichts des zunehmenden Einsatzes von Gesichtserkennungstechnologien bietet die Anonymisierung darüber hinaus einen Schutz vor unerwünschter automatisierter Identifizierung. Dennoch bleibt eine deutliche Ähnlichkeit mit der realen Person erhalten.
Ein internationales Forscherteam hat jetzt ein KI-basiertes Verfahren zur Anonymisierung von Gesichtern entwickelt, mit der ein Originalgesicht durch ein künstlich generiertes anonymes Gesicht ersetzt wird. Dabei werden die ursprüngliche Mimik, Kopfposition, Augenrichtung sowie der Hintergrund erhalten, während die Identität effektiv maskiert wird. Das anonymisierte Gesicht fügt sich nahtlos in das Originalfoto ein.
Im Gegensatz zu vielen anderen Methoden verwendet das System nach Angeben der Forscher nur eine einzige Verlustfunktion beim Training, um den Ansatz einfacher und stabiler zu machen. Zudem soll sich der Grad der Anonymisierung über einen Parameter steuern lassen.
Kernstück ist ein neuronales Netzwerk namens „UNet“. Zwei weitere Netzwerke extrahieren Details aus dem Eingabebild und übertragen sie auf das anonymisierte Gesicht. So sollen Feinheiten wie etwa die Hautstruktur erhalten bleiben.
Die Technik nutzt Diffusionsmodelle anstelle von Generative Adversarial Networks (GANs). Diffusionsmodelle gelten als stabiler im Training und produzieren oft detailliertere Ergebnisse.
Im Gegensatz zu bisherigen Techniken kommt die neue Methode ohne zusätzliche Daten wie Gesichtsmerkmale oder Masken aus. Das System verwendet nur einen Rekonstruktionsverlust, was die Erzeugung detailreicher Bilder ermöglicht. Das soll den Ansatz einfacher und stabiler machen. Zudem lässt sich der Grad der Anonymisierung über einen Parameter steuern.
Die Forscher trainierten ihr Modell mit Millionen Gesichtsbildern aus öffentlichen Datensätzen. In Tests erzielte es Bestwerte bei der Identitätsanonymisierung, dem Erhalt von Gesichtsattributen und der Bildqualität.
Neben der Anonymisierung kann das System auch für einen Gesichtsaustausch verwendet werden. Dafür wird einfach ein zusätzliches Quellbild mit dem gewünschten Gesicht eingegeben. Die Methode könnte für Fotografen und Gestalter interessant sein, die Personen in Bildern anonymisieren müssen, aber Mimik und Ausdruck erhalten wollen. Etwa für medizinische Fallstudien oder Dokumentarfilme. Gegenüber einfachem Verpixeln oder Weichzeichnen bietet der Ansatz mehr Flexibilität und bessere visuelle Ergebnisse. Allerdings ist die Technik rechenintensiv und erfordert leistungsfähige Hardware.
Der Quellcode und trainierte Modelle sind öffentlich verfügbar. So können Interessierte die Methode selbst ausprobieren und weiterentwickeln. Weitere Informationen finden Sie hier.
