人脸相关

⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2025-06-13 更新

Inverting Black-Box Face Recognition Systems via Zero-Order Optimization in Eigenface Space

Authors:Anton Razzhigaev, Matvey Mikhalchuk, Klim Kireev, Igor Udovichenko, Andrey Kuznetsov, Aleksandr Petiushko

Reconstructing facial images from black-box recognition models poses a significant privacy threat. While many methods require access to embeddings, we address the more challenging scenario of model inversion using only similarity scores. This paper introduces DarkerBB, a novel approach that reconstructs color faces by performing zero-order optimization within a PCA-derived eigenface space. Despite this highly limited information, experiments on LFW, AgeDB-30, and CFP-FP benchmarks demonstrate that DarkerBB achieves state-of-the-art verification accuracies in the similarity-only setting, with competitive query efficiency.

从黑箱识别模型中重建面部图像对隐私构成了重大威胁。虽然许多方法需要访问嵌入信息，但我们针对仅使用相似度分数进行模型反演的更具挑战性的场景进行了研究。本文介绍了DarkerBB，这是一种通过在PCA得出的特征脸空间内执行零阶优化来重建彩色人脸的新方法。尽管信息高度有限，但在LFW、AgeDB-30和CFP-FP基准测试上的实验表明，DarkerBB在仅使用相似度设置的情况下实现了最先进的验证准确率，查询效率也颇具竞争力。

论文及项目相关链接

PDF

Summary

本文介绍了DarkerBB这一新方法，它通过仅使用相似性分数来解决面部识别模型的模型逆问题，从而重建人脸图像，构成隐私威胁。该方法在PCA派生出的eigenface空间内进行零阶优化，实现了彩色人脸的重建。实验表明，在仅使用相似性的情况下，DarkerBB达到了业界领先的验证准确率，查询效率也具备竞争力。

Key Takeaways

1. DarkerBB解决了面部识别模型的模型逆问题，能够从黑箱模型中重建人脸图像。
2. 仅使用相似性分数作为重建的依据，不需要访问嵌入信息。
3. DarkerBB采用PCA派生的eigenface空间进行零阶优化实现彩色人脸重建。
4. 在LFW、AgeDB-30和CFP-FP基准测试中，DarkerBB实现了高验证准确率。
5. DarkerBB在仅使用相似性的情况下达到了业界领先的性能。
6. DarkerBB具有竞争力的查询效率。

Cool Papers

点此查看论文截图