Des-morfado facial basado en autoencoders de difusión

Los ataques de morphing facial representan una amenaza significativa para la sociedad, ya que interrumpen la relación uno a uno entre las imágenes faciales y las características de identidad en los sistemas de reconocimiento facial. A pesar del desarrollo de varios métodos de detección para contrarrestar tales ataques, la tarea de restaurar la imagen facial del cómplice a partir de la imagen facial morphada, conocida como des-morfado facial, sigue siendo un problema desafiante. En este artículo, proponemos un nuevo método basado en difusión para el des-morfado facial. Este método emplea autoencoders de difusión preentrenados para codificar la imagen en dos subespacios: un espacio latente semántico que captura características de identidad y un espacio latente estocástico que retiene los detalles estocásticos restantes. Para asegurar la separación efectiva de las características de identidad, se construye una red de separación de identidad de doble rama en el espacio latente semántico. Esta red utiliza una rama de interpolación lineal inversa de atención cruzada para separar el código latente semántico del cómplice y una rama de perceptrón multicapa para complementar el código latente separado. Además, el código latente estocástico morphado se elige empíricamente como el código latente estocástico del cómplice. Finalmente, se utiliza un modelo implícito de difusión de denoising condicional para decodificar el código latente de los dos subespacios, logrando así la restauración de la imagen facial del cómplice. Los resultados experimentales y el análisis demuestran que el método propuesto supera a los métodos existentes de des-morfado facial en términos de precisión de restauración y calidad de imagen.