（通讯员 刘佳璐）西安电子科技大学协同智能系统教育部重点实验室公茂果教授、刘佳璐博士在IEEE Transactions on Neural Networks and Learning Systems (IEEE TNNLS)上发表题为“Disentangled Representation Learning for Multiple Attributes Preserving Face Deidentification”的学术论文，将分解表示学习以及图像复原技术应用于隐私保护场景中。

在该项工作中，首先基于变分自编码器提出了一个新颖的解表示学习架构用于多属性保留的面部去识别。该架构能够分解与身份有关的因素和与身份无关的因素，从而可以混淆身份相关信息，同时又不改变与身份无关的属性信息。此外，为了改善脸部区域的细节并使得去识别的生成面部能够无缝地融合到图像场景中，利用图像修复网络通过将识别出的脸部作为先验来补全原始的脸部区域。实验结果表明，该方法有效地去识别面部身份，同时最大限度地保留了与身份无关的属性信息，从而保证了共享图像的语义完整性和视觉质量。

IEEE Transactions on Neural Networks and Learning Systems是计算机视觉领域的顶级期刊之一、中科院SCI期刊一区TOP期刊、中国计算机学会（CCF）认定的计算机图形学与多媒体领域的B类期刊。

论文链接：http://doi.org/10.1109/TNNLS.2020.3027617