分层反美学：保护面部隐私免受定制扩散模型的影响

定制扩散模式的兴起推动了个性化视觉内容创作的热潮，但也带来了严重的恶意滥用风险，从而对个人隐私构成威胁。图像美学与人类对图像质量的感知密切相关。受此观察的启发，我们通过降低恶意定制模型的生成质量，从新颖的美学角度解决面部隐私保护问题，从而减少面部身份泄露。具体来说，我们提出了一个分层反美学（HAA）框架，该框架利用多个感知层面的美学线索。 HAA由两个关键分支组成：（1）全局反审美，通过构建全局反审美奖励机制和相应的损失来降低整体审美和生成质量； （2）局部反美学，它通过使用局部反美学奖励机制和损失来引导对面部区域的对抗性扰动来破坏面部身份。通过整合两个分支，HAA在定制生成过程中实现了从全局到局部的抗审美退化。大量实验表明，HAA 在身份去除方面优于现有方法，为保护面部隐私提供了有效的工具。