Zum Hauptinhalt Zur Navigation

Studie: KI soll Portraits ohne Substanzverlust anonymisieren

Ganz anders und doch gleich: Mit einer neuen Methode sollen Portrait- Fotos von Gesichtern besonders subtil verändert werden.
/ Peter Steinlechner
23 Kommentare News folgen (öffnet im neuen Fenster)
Beispielbilder des Face Anonymizers (Bild: Cornell University)
Beispielbilder des Face Anonymizers Bild: Cornell University

Wer für soziale Netzwerke ein Profilbild benötigt und darauf zwar erkennbar, aber eben nicht zu erkennbar sein möchte, könnte eine von der nordamerikanischen Cornell University veröffentlichte Studie(öffnet im neuen Fenster) interessant finden. Darin beschreiben die Forscher eine Methode, mit der man Portraits vergleichsweise einfach auf subtile Art verändern können soll.

Die Fotos sollen per KI so manipuliert werden, dass sie zwar noch vage an die tatsächlich abgebildete Person erinnern und man diese im echten Leben vielleicht sogar wiedererkennen würde.

Gleichzeitig seien individuelle Gesichtsmerkmale aber entfernt oder abgeschwächt, so dass es Bildersuchen im Netz zumindest deutlich schwerer hätten, die portraitierten Menschen zu finden.

Um die Portraits zu verändern, verwenden die Forscher nach eigenen Angaben "Diffusionsmodelle, die nur einen Rekonstruktionsverlust aufweisen, so dass keine Gesichtsmerkmale oder Masken erforderlich sind und dennoch Bilder mit komplexen, feinkörnigen Details erzeugt werden" .

Das sei anders als bei anderen Techniken, die häufig von Gesichtserkennungsmodellen künstlich berechnete Identitätsverluste verwendeten. Das habe Nachteile: Zum einen seien diese Methoden nach Ansicht der Forscher "ungenau und unzuverlässig" , zum anderen erforderten sie "zusätzliche Daten wie Gesichtsmerkmale und Masken, um den Syntheseprozess zu steuern" .

Code und Methode auf Github

Bei dem neuen Ansatz kämen Diffusionsmodelle zum Einsatz, die nur einen "Rekonstruktionsverlust" aufwiesen. Dadurch sollen auch ohne Masken noch Bilder mit komplexen, feinkörnigen Details erzeugt werden.

Neben der primären Funktion der Anonymisierung könne das neue Modell auch Gesichtsvertauschungsaufgaben durchführen, indem es ein zusätzliches Gesichtsbild als Eingabe einbeziehe. Der verwendete Code und die Modelle sind auf Github(öffnet im neuen Fenster) öffentlich einsehbar.


Relevante Themen