【课题推荐发表期刊】

【课题背景】

随着人工智能技术的飞速发展，隐私保护尤其是敏感人脸数据的管理成为了一个日益严峻的挑战。传统的人脸匿名化方法，如模糊化或裁剪，虽然能够提供一定程度的隐私保护，但往往会降低图像质量，并且在视频帧间难以保持一致性。本课题提出了一种基于扩散模型的视频人脸匿名化框架，结合了VAE编码解码器、视觉Transformer与Mamba模块。该框架通过VAE提取人脸关键特征并映射到潜在空间，视觉Transformer利用自注意力机制捕捉全局和语义信息以精细化身份修改，而Mamba模块则确保视频帧间的一致性。实验结果表明，该模型在显著降低身份识别准确率的同时，保持了视频序列中的视觉一致性，提供了一种强大的视频隐私保护解决方案。

本课题将基于扩散模型的视频人脸匿名化框架，通过VAE提取人脸关键特征并映射到潜在空间，捕捉全局和语义信息以精细化身份修改，不仅提高了隐私保护的效率，还保证了视频内容的可用性和自然性，对于需要处理大量视频数据的场合，如监控系统和社交媒体，具有重要的应用价值。

【适合人群】

• 多模态学习、自然语言处理（NLP）、机器学习和深度学习相关领域的研究生

• 熟悉TensorFlow、PyTorch等深度学习框架优先

• 具备良好的英语阅读和写作能力

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Dr. Liu，QS20高校人工智能博士

• 目前已发表20多篇高水平论文，如ICML，Nature, Neurips，IJCAI，ACL，IEEE IV，IEEE ITSC

• 谷歌学术引用量近百次

• 长期担任IEEE Transactions on Intelligent Transportation Systems、Transportation Re- search Part C: Emerging Technologies、TRB Annual Meeting - Transportation Research Board、IEEE International Conference on Intelligent Transportation Systems、IEEE Intelligent Vehicles Symposium等期刊会议审稿人

• 曾指导学生在 IEEE IROS, IEEE transaction on image processing发表论文

• 可提供开源代码并指导复现；可提供部分开放研究数据；可提供一定的算力资源；可撰写推荐信；期刊内推资源；就业/实习机会推荐

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

• 2023 Self-supervised vision transformer-based few-shot learning for facial expression recognition

• 2024 Video-based face outline recognition

• 2023 Real-time distributed video analytics for privacy-aware person search