论文
ReGenHuman:重新生成人体外观以实现逼真的全身视频匿名化
ReGenHuman: Re-Generating Human Appearances for Realistic Full-Body Video Anonymization
摘要
以人为中心的视频数据匿名化是一个尚未得到充分研究的问题。先前的匿名化技术要么以真实性和下游实用性为代价来模糊或编辑像素,要么以时间连贯性为代价逐帧生成。我们推出了 ReGenHuman,这是第一个全身视频匿名化管道,它同时具有现实性、时间一致性和匿名性。与过去直接编辑或编辑输入的方法相反,我们提出了一种重新生成,不编辑的范例。我们的方法将 2D 姿势、分割和单目深度合成为两个互补的条件流 - StructAll 和 StructHuman,用于微调野外人类视频上的视频到视频扩散主干,完全根据与身份无关的结构线索合成人类区域。我们在隐私、质量和实用性方面评估了我们的模型,并表明我们的 ReGenHuman 在所有三个轴上相对于当前基线实现了最佳权衡。我们进一步表明,我们的匿名视频对于下游任务(包括视频问答)仍然有效。