LenslessFace: An End-to-End Optimized Lensless System for Privacy-Preserving Face Verification

无镜头相机，创新地取代传统的透镜，采用超薄、平面光学，直接将光编码到传感器上，产生的图像不容易被立即识别。这种紧凑、轻便、成本效益高的成像解决方案具有固有的隐私优势，使其在隐私敏感的应用程序中具有吸引力，如面部验证。典型的无镜头面部验证采用重建后验证的两个阶段过程，从重建的面部和高计算成本中产生隐私风险。本文提出了一种针对编码的无镜头捕捉的隐私保护面部验证的端到端优化方法，确保整个软件管道保持编码状态，中间结果没有可见的面部。为了实现这一点，我们提出了几种技术来解决无镜头设置带来的独特挑战，这些挑战排除了传统的人脸检测和对齐。具体而言，我们提出了一种面部中心对齐方案，一个增强课程来建立对变化的鲁棒性，以及一种知识蒸馏方法来平滑优化和增强性能。在模拟和实际环境下的评估表明，我们的方法优于两阶段无镜头验证，同时增强了隐私和效率。项目网站：\url{lenslessface.github.io}。

论文提出了一种端到端的优化方法，用于在不暴露中间结果中的可见面部的情况下，直接在编码的无透镜捕获图像上进行隐私保护人脸验证。

论文提出了一种直接在编码的无透镜捕获图像上进行人脸验证的端到端优化方法，避免了传统的重建和验证两个阶段的方法所带来的隐私风险和高计算成本。

论文采用了几种技术来解决无透镜设置所带来的挑战，包括面部中心对齐方案、增强课程以及知识蒸馏方法。实验结果表明，该方法在提高隐私和效率的同时，优于传统的两阶段无透镜人脸验证方法。

近期的相关研究包括：1）基于深度学习的人脸验证方法；2）无透镜相机的研究；3）隐私保护人脸识别的研究。