論文の概要: How important are faces for person re-identification?
- arxiv url: http://arxiv.org/abs/2010.06307v1
- Date: Tue, 13 Oct 2020 11:47:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 22:37:06.917259
- Title: How important are faces for person re-identification?
- Title（参考訳）: 人物の顔はどの程度重要か?
- Authors: Julia Dietlmeier, Joseph Antony, Kevin McGuinness, Noel E. O'Connor
- Abstract要約: 顔検出およびぼかしアルゴリズムを適用し、複数の人気人物再識別データセットの匿名化バージョンを作成する。
我々は,この匿名化が標準メトリクスを用いた再識別性能に与える影響を評価する。
- 参考スコア（独自算出の注目度）: 14.718372669984364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates the dependence of existing state-of-the-art person
re-identification models on the presence and visibility of human faces. We
apply a face detection and blurring algorithm to create anonymized versions of
several popular person re-identification datasets including Market1501,
DukeMTMC-reID, CUHK03, Viper, and Airport. Using a cross-section of existing
state-of-the-art models that range in accuracy and computational efficiency, we
evaluate the effect of this anonymization on re-identification performance
using standard metrics. Perhaps surprisingly, the effect on mAP is very small,
and accuracy is recovered by simply training on the anonymized versions of the
data rather than the original data. These findings are consistent across
multiple models and datasets. These results indicate that datasets can be
safely anonymized by blurring faces without significantly impacting the
performance of person reidentification systems, and may allow for the release
of new richer re-identification datasets where previously there were privacy or
data protection concerns.
- Abstract（参考訳）: 本稿では,既存の人物識別モデルが人間の顔の存在と視認性に与える影響について検討する。
顔検出とぼかしアルゴリズムを用いて、Market1501, DukeMTMC-reID, CUHK03, Viper, Airport などの人気人物再識別データセットの匿名化バージョンを作成する。
精度と計算効率の異なる既存の最先端モデルの断面を用いて,この匿名化が標準メトリクスを用いた再同定性能に与える影響を評価した。
おそらく驚くべきことに、mAPへの影響は非常に小さく、元のデータではなく、匿名化されたバージョンのデータを単にトレーニングすることで精度を回復する。
これらの発見は、複数のモデルとデータセットで一致している。
これらの結果は、人物識別システムの性能に大きな影響を与えることなく、顔のぼやけによってデータセットを安全に匿名化することができ、以前はプライバシーやデータ保護の懸念があった新しいリッチな再識別データセットのリリースを可能にすることを示している。
関連論文リスト
- Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
テキストの匿名化は、プライバシーを維持しながら機密データを共有するために重要である。
既存の技術は、大規模言語モデルの再識別攻撃能力の新たな課題に直面している。
本稿では,3つのLCMベースコンポーネント – プライバシ評価器,ユーティリティ評価器,最適化コンポーネント – で構成されるフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-16T14:28:56Z) - A False Sense of Privacy: Towards a Reliable Evaluation Methodology for the Anonymization of Biometric Data [8.799600976940678]
生体データは、顔の特徴や歩行パターンのような特徴的な人間の特徴を含んでいる。
プライバシー保護は、匿名化の技法によって広範囲に提供される。
我々は、匿名化の性能を評価するために使用される最先端の手法を評価する。
論文 参考訳（メタデータ） (2023-04-04T08:46:14Z) - Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。
本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。
提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
論文 参考訳（メタデータ） (2023-03-23T13:50:46Z) - 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) - Robust Human Identity Anonymization using Pose Estimation [6.05592435283857]
そこで本研究では,人間の頭部の局所化を支援するために,最先端の人間のポーズ推定モデルから生成された骨格を用いることを提案する。
提案アルゴリズムは,欠落した顔を減らし,歩行者の身元情報をよりよく保護できることを示す。
論文 参考訳（メタデータ） (2023-01-10T23:35:42Z) - AI-based Re-identification of Behavioral Clickstream Data [0.0]
本論文は, 行動パターンに基づいて, 個人を純粋に同定する上で, 同様の手法が適用可能であることを実証する。
レコード間の振舞いパターンの単なる類似性は、識別された個人に振舞いデータを正しく属性付けるのに十分である。
また、私たちが導入したAIベースの再識別攻撃に対して回復力があることが示されています。
論文 参考訳（メタデータ） (2022-01-21T16:49:00Z) - RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。
以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
論文 参考訳（メタデータ） (2022-01-13T06:30:56Z) - Unsupervised Pre-training for Person Re-identification [90.98552221699508]
大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。
学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
論文 参考訳（メタデータ） (2020-12-07T14:48:26Z) - Boosting Unconstrained Face Recognition with Auxiliary Unlabeled Data [59.85605718477639]
本稿では,ラベルのない顔を用いて一般化可能な顔表現を学習する手法を提案する。
制約のないデータセットに対する実験結果から、十分な多様性を持つ少量のラベル付きデータが認識性能を向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2020-03-17T20:58:56Z) - Intra-Camera Supervised Person Re-Identification [87.88852321309433]
本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。
これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。
MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
論文 参考訳（メタデータ） (2020-02-12T15:26:33Z)
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。