論文の概要: Privacy-Preserving Pose Estimation for Human-Robot Interaction
- arxiv url: http://arxiv.org/abs/2011.07387v1
- Date: Sat, 14 Nov 2020 21:09:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 13:55:57.507071
- Title: Privacy-Preserving Pose Estimation for Human-Robot Interaction
- Title(参考訳): プライバシ保存姿勢推定による人とロボットのインタラクション
- Authors: Youya Xia, Yifan Tang, Yuhan Hu and Guy Hoffman
- Abstract要約: プライバシ保護カメラを用いたポーズ推定手法を提案する。
提案システムは,カメラをカバーした透明フィルタにより構成される。
我々は,新しいフィルタ画像データセットを用いて,システムの性能を評価する。
- 参考スコア(独自算出の注目度): 8.905235622945254
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pose estimation is an important technique for nonverbal human-robot
interaction. That said, the presence of a camera in a person's space raises
privacy concerns and could lead to distrust of the robot. In this paper, we
propose a privacy-preserving camera-based pose estimation method. The proposed
system consists of a user-controlled translucent filter that covers the camera
and an image enhancement module designed to facilitate pose estimation from the
filtered (shadow) images, while never capturing clear images of the user. We
evaluate the system's performance on a new filtered image dataset, considering
the effects of distance from the camera, background clutter, and film
thickness. Based on our findings, we conclude that our system can protect
humans' privacy while detecting humans' pose information effectively.
- Abstract(参考訳): ポース推定は非言語的人間とロボットの相互作用において重要な手法である。
とはいえ、人の空間にカメラがあることはプライバシーの懸念を高め、ロボットに不信をもたらす可能性がある。
本稿では,プライバシ保護カメラを用いたポーズ推定手法を提案する。
提案システムでは,カメラを覆うユーザの制御する半透明フィルタと,フィルタされた(シャドウ)画像からのポーズ推定を容易にするように設計された画像強調モジュールから構成される。
我々は,カメラからの距離,背景散乱,膜厚の影響を考慮して,新しいフィルタ画像データセット上での性能を評価する。
以上の結果から,本システムは人間のポーズ情報を効果的に検出しながら,人間のプライバシーを保護できると結論づけた。
関連論文リスト
- Multimodal Active Measurement for Human Mesh Recovery in Close Proximity [2.1281577592123884]
物理的な人間とロボットの相互作用では、ロボットは対象者の正確な身体のポーズやメッシュを推定する必要がある。
これらのpHRIシナリオでは、ロボットは通常、ロボットに近いため、装備されたカメラで対象者の身体を完全に観察することはできない。
搭載カメラおよびタッチセンサや2D LiDARなどのセンサのアクティブな計測・センサ融合フレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-12T08:17:57Z) - Human-Imperceptible Identification with Learnable Lensless Imaging [12.571999330435801]
認識精度を維持しながら、視覚的プライバシを保護する学習可能なレンズレスイメージングフレームワークを提案する。
得られた画像が人間に知覚できないようにするために, 総変動, 可逆性, 制限された等尺性に基づいて, いくつかの損失関数を設計した。
論文 参考訳(メタデータ) (2023-02-04T22:58:46Z) - Selective manipulation of disentangled representations for privacy-aware
facial image processing [5.612561387428165]
センサデータがクラウドに送信される前に、プライバシーに敏感な属性を除去するエッジベースのフィルタリングステージを提案する。
我々は、アンタングル表現を利用した最先端の画像操作技術を用いて、プライバシーフィルタリングを実現している。
論文 参考訳(メタデータ) (2022-08-26T12:47:18Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳(メタデータ) (2022-07-15T07:15:36Z) - PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
我々は、人間の行動認識パイプラインに沿って、堅牢な視覚的プライバシー保護を提供するための最適化フレームワークを提案する。
我々のフレームワークは、カメラレンズをパラメータ化して、ビデオの品質を劣化させ、プライバシー特性を抑え、敵の攻撃を防ぎます。
論文 参考訳(メタデータ) (2022-06-08T13:43:29Z) - 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) - Deep Learning Approach Protecting Privacy in Camera-Based Critical
Applications [57.93313928219855]
カメラベースシステムにおけるプライバシー保護のためのディープラーニングアプローチを提案する。
我々の手法は、アプリケーションで必要とされない直感に基づいて、正当性(視覚的に顕著な)と非正則性(非正則性)を区別する。
論文 参考訳(メタデータ) (2021-10-04T19:16:27Z) - Human POSEitioning System (HPS): 3D Human Pose Estimation and
Self-localization in Large Scenes from Body-Mounted Sensors [71.29186299435423]
HPS(Human POSEitioning System)は、周囲の環境の3Dスキャンで登録された人間の完全な3Dポーズを回復する手法です。
最適化に基づく統合は2つの利点を生かし、結果としてドリフトのないポーズの精度が得られることを示す。
hpsは、人間が外部カメラに直接視線を向けなくてもシーンと対話できるvr/arアプリケーションとして使用できる。
論文 参考訳(メタデータ) (2021-03-31T17:58:31Z) - SocialGuard: An Adversarial Example Based Privacy-Preserving Technique
for Social Images [6.321399006735314]
本稿では,対象物検知器によるプライバシ盗難に対するソーシャルイメージのための,新たな逆例に基づくプライバシ保存手法を提案する。
提案手法の有効性を評価するために,プライバシ保存成功率とプライバシリーク率の2つの指標を用いる。
MS-COCOとPASCAL VOC 2007データセットのプライバシ保存成功率は96.1%と99.3%である。
論文 参考訳(メタデータ) (2020-11-27T05:12:47Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳(メタデータ) (2020-09-01T10:12:30Z) - How low can you go? Privacy-preserving people detection with an
omni-directional camera [2.433293618209319]
本研究では,天井に設置した全方位カメラを用いて,室内の人物を検知する。
これは会議室の占有度を測定し、利用可能なフレキシブルデスク作業スペースの量をカウントするためのセンサーとして使用することができる。
論文 参考訳(メタデータ) (2020-07-09T10:10:23Z)
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。