論文の概要: Privacy-Preserving Image Features via Adversarial Affine Subspace Embeddings

• arxiv url: http://arxiv.org/abs/2006.06634v3
• Date: Tue, 30 Mar 2021 09:46:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 14:06:55.842686
• Title: Privacy-Preserving Image Features via Adversarial Affine Subspace Embeddings
• Title（参考訳）: 逆アフィンサブスペース埋め込みによる画像のプライバシー保護
• Authors: Mihai Dusmanu, Johannes L. Sch\"onberger, Sudipta N. Sinha, Marc Pollefeys
• Abstract要約: 多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。 本稿では,新しいプライバシー保護機能表現を提案する。 従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
• 参考スコア（独自算出の注目度）: 72.68801373979943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many computer vision systems require users to upload image features to the cloud for processing and storage. These features can be exploited to recover sensitive information about the scene or subjects, e.g., by reconstructing the appearance of the original image. To address this privacy concern, we propose a new privacy-preserving feature representation. The core idea of our work is to drop constraints from each feature descriptor by embedding it within an affine subspace containing the original feature as well as adversarial feature samples. Feature matching on the privacy-preserving representation is enabled based on the notion of subspace-to-subspace distance. We experimentally demonstrate the effectiveness of our method and its high practical relevance for the applications of visual localization and mapping as well as face authentication. Compared to the original features, our approach makes it significantly more difficult for an adversary to recover private information.
• Abstract（参考訳）: 多くのコンピュータビジョンシステムは、画像処理とストレージのために画像機能をクラウドにアップロードする必要がある。 これらの特徴を活用して、元の画像の外観を再構築することで、シーンや被写体に関する機密情報を復元することができる。 このプライバシー問題に対処するため、我々は新しいプライバシー保護機能表現を提案する。 私たちの仕事の核となる考え方は、元のフィーチャと逆のフィーチャサンプルを含むアフィン部分空間にそれを埋め込むことで、各機能記述子から制約を外すことです。 サブスペース間距離の概念に基づいて、プライバシ保存表現上の特徴マッチングを有効にする。 本手法の有効性を実験的に実証し,その高い実用的妥当性を,顔認証と同様に視覚定位とマッピングの応用に適用する。 従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。

関連論文リスト

• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• LDP-Feat: Image Features with Local Differential Privacy [10.306943706927006]
  埋め込みから元の画像の特徴を復元できることを示すために,2つの新しい反転攻撃を提案する。 本稿では,画像特徴を局所的な差分プライバシーによって民営化する最初の手法を提案する。
  論文  参考訳（メタデータ） (2023-08-22T06:28:55Z)
• Privacy-preserving Adversarial Facial Features [31.885215405010687]
  本稿では, 顔のプライバシ保護に配慮した顔のプライバシー保護手法を提案する。 我々は,AdvFaceが再建攻撃に対する防御において,最先端のプライバシー保護手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T08:52:08Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• Toward Privacy and Utility Preserving Image Representation [26.768476643200664]
  本稿では,プライバシ保護のための画像表現の新規な課題について検討する。 本稿では,AIA(Adversarial Image Anonymizer)と呼ばれる原理的フレームワークを提案する。 AIAはまず、生成モデルを用いて画像表現を作成し、次に、敵対学習を用いて学習した画像表現を拡張して、与えられたタスクのプライバシーと有用性を維持する。
  論文  参考訳（メタデータ） (2020-09-30T01:25:00Z)
• InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
  視覚データに流出した個人情報を個人が制限できる技術について検討する。 我々はこの問題を新しい画像難読化フレームワークで解決する。 提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
  論文  参考訳（メタデータ） (2020-05-20T19:48:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。