迈向混合现实中保护隐私的逼真自我虚拟化身

近年来，逼真的3D虚拟化身生成技术快速发展，在混合现实（MR）中创建与用户真实外观匹配的现实化身比以往任何时候都更加可行。然而，在线分享个人形象存在已知风险，而逼真的MR化身可能会加剧这些风险。如果用户形象被广泛分享，将存在基于用户外貌的网络滥用或针对性欺诈的风险。

我们提出了一种适用于更广泛社交MR的替代化身渲染方案——合成既保留用户人口统计身份，又与个体用户足够区分以保护面部生物特征信息的现实化身。我们引入了一种通过身份编码生成模型的特征空间隔离身份来实现外观私有化的方法。

我们开发了两种混淆身份的算法：ε方法提供差分隐私保证，θ方法提供精细化的身份偏移水平控制。这些方法被证明能够在2D和3D的多种生成架构中成功生成去标识化的虚拟化身。

通过这些技术，可以在很大程度上保留与自我感知相关的属性的同时保护用户隐私。在公共环境中采用这些技术可以使逼真化身在MR中得到广泛应用，在保持高真实感和沉浸感的同时消除隐私风险。