본 논문은 개인 정보 보호를 유지하면서 민감한 시각 데이터를 공유하고 분석할 수 있는 유망한 방법으로 고충실도의 차등적 개인 정보 보호(DP) 합성 이미지 생성에 대해 다룹니다. 기존의 DP 이미지 합성 방법들은 원본 데이터의 구조를 충실하게 포착하는 고해상도 출력물을 생성하는 데 어려움을 겪습니다. 이 논문에서는 '개인 정보 보호 텍스트 중개를 통한 합성(SPTI)'이라는 새로운 방법을 제시합니다. SPTI는 최첨단 DP 텍스트 생성 방법을 활용하여 DP 이미지 합성의 어려움을 이미지 영역에서 텍스트 영역으로 전환하는 것을 핵심 아이디어로 합니다. 먼저 이미지-텍스트 모델을 사용하여 각 개인 정보 보호 이미지를 간결한 텍스트 설명으로 요약하고, 수정된 Private Evolution 알고리즘을 적용하여 DP 텍스트를 생성한 후, 텍스트-이미지 모델을 사용하여 이미지를 재구성합니다. 주목할 만한 점은 SPTI는 모델 훈련이 필요 없고, 기존 모델을 사용한 추론만으로 충분하다는 것입니다. LSUN Bedroom 데이터셋과 MM CelebA HQ 데이터셋에서 기존 DP 방법보다 훨씬 높은 품질의 합성 이미지를 생성하며, FID 지표에서 상당한 개선을 보입니다. SPTI는 자원 효율적이고 독점 모델과 호환되는 프레임워크를 제공하여 고해상도 DP 합성 이미지 생성에 대한 접근성을 크게 확장합니다.
