論文の概要: Intelligent Frame Selection as a Privacy-Friendlier Alternative to Face Recognition

• arxiv url: http://arxiv.org/abs/2101.07529v2
• Date: Wed, 27 Jan 2021 13:29:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 11:14:07.293586
• Title: Intelligent Frame Selection as a Privacy-Friendlier Alternative to Face Recognition
• Title（参考訳）: 顔認識に代わるプライバシフレンドリなフレーム選択
• Authors: Mattijs Baert, Sam Leroux, Pieter Simoens
• Abstract要約: 本研究は,大規模顔認識に代わるプライバシフレンドリーな代替手法を提案する。 すべてのビデオデータで顔認識ソフトウェアを実行する代わりに、検出された各人の高品質なスナップショットを自動的に抽出する。 このスナップショットは暗号化され、アクセスは法的承認後のみ許可される。
• 参考スコア（独自算出の注目度）: 5.313209107051178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The widespread deployment of surveillance cameras for facial recognition gives rise to many privacy concerns. This study proposes a privacy-friendly alternative to large scale facial recognition. While there are multiple techniques to preserve privacy, our work is based on the minimization principle which implies minimizing the amount of collected personal data. Instead of running facial recognition software on all video data, we propose to automatically extract a high quality snapshot of each detected person without revealing his or her identity. This snapshot is then encrypted and access is only granted after legal authorization. We introduce a novel unsupervised face image quality assessment method which is used to select the high quality snapshots. For this, we train a variational autoencoder on high quality face images from a publicly available dataset and use the reconstruction probability as a metric to estimate the quality of each face crop. We experimentally confirm that the reconstruction probability can be used as biometric quality predictor. Unlike most previous studies, we do not rely on a manually defined face quality metric as everything is learned from data. Our face quality assessment method outperforms supervised, unsupervised and general image quality assessment methods on the task of improving face verification performance by rejecting low quality images. The effectiveness of the whole system is validated qualitatively on still images and videos.
• Abstract（参考訳）: 顔認識のための監視カメラの普及は、多くのプライバシー上の懸念を引き起こす。 本研究は,大規模顔認識に代わるプライバシフレンドリーな代替手法を提案する。 プライバシの保護には複数のテクニックがあるが、当社の作業は収集した個人情報の量を最小限に抑えるための最小化原則に基づいている。 すべてのビデオデータで顔認識ソフトウェアを実行する代わりに、検出された各人の高品質なスナップショットを自動的に抽出し、本人の身元を明かさずに取得する。 このスナップショットは暗号化され、アクセスは法的承認後のみ許可される。 高品質なスナップショットを選択するために,新しい教師なし顔画像品質評価法を提案する。 本研究では,公開データセットから高品質顔画像に対して変分オートエンコーダを訓練し,その再構成確率を指標として各顔画像の品質を推定する。 バイオメトリック品質予測器としての利用を実験的に確認した。 これまでのほとんどの研究とは異なり、データからすべてが学習されるため、手動で定義された顔の品質指標に依存していません。 顔品質評価手法は,低品質画像の拒否による顔認証性能向上タスクにおいて,教師なし,教師なし,一般画像品質評価手法よりも優れている。 システム全体の有効性は静止画像やビデオ上で定性的に検証される。

関連論文リスト

• Rank-based No-reference Quality Assessment for Face Swapping [88.53827937914038]
  顔スワップ法における品質測定の基準は、操作された画像とソース画像の間のいくつかの距離に依存する。 顔スワップ用に設計された新しい非参照画像品質評価法(NR-IQA)を提案する。
  論文  参考訳（メタデータ） (2024-06-04T01:36:29Z)
• 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)
• Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain [16.05230409730324]
  顔画像は、各ユーザのアイデンティティ情報に関連付けられた、敏感なバイオメトリック属性である。 本稿では,顔認識の入力次元を低減するために,ハイブリッド周波数-カラー融合法を提案する。 1:Nの検証シナリオの最先端よりも約2.6%から4.2%高い精度を持つ。
  論文  参考訳（メタデータ） (2024-01-24T11:27:32Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Privacy-Preserving Face Recognition Using Random Frequency Components [46.95003101593304]
  顔認識によってプライバシーの懸念が高まっている。 人間の知覚可能な低周波成分を抽出することで視覚情報を隠蔽することを提案する。 得られた知見を,プライバシ保護のための新しい顔認識手法であるPartialFaceに抽出する。
  論文  参考訳（メタデータ） (2023-08-21T04:31:02Z)
• Face Image Quality Enhancement Study for Face Recognition [6.916620974833163]
  画像品質の低い大容量データベースを組み立て,3種類の品質セットを対象とした顔認識アルゴリズムの性能について検討する。 我々は,低画質の顔写真で認識するための新しいプロトコルを開発し,その性能を実験的に検証する。
  論文  参考訳（メタデータ） (2023-07-08T08:51:26Z)
• 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)
• FaceQgen: Semi-Supervised Deep Learning for Face Image Quality Assessment [19.928262020265965]
  FaceQgenは、ジェネレーティブ・アドバイサル・ネットワークに基づく顔画像の非参照品質評価手法である。 顔認識精度に関連するスカラー品質尺度を生成する。 SCfaceデータベースを使用して、スクラッチからトレーニングされる。
  論文  参考訳（メタデータ） (2022-01-03T17:22:38Z)
• Inducing Predictive Uncertainty Estimation for Face Recognition [102.58180557181643]
  顔画像の「マッドペア」から画像品質訓練データを自動的に生成する手法を提案する。 生成したデータを用いて、顔画像の信頼度を推定するために、PCNetと呼ばれる軽量な予測信頼ネットワークを訓練する。
  論文  参考訳（メタデータ） (2020-09-01T17:52:00Z)
• SER-FIQ: Unsupervised Estimation of Face Image Quality Based on Stochastic Embedding Robustness [15.431761867166]
  任意の顔認識モデルに基づいて顔の質を測定する新しい概念を提案する。 提案手法を,学界と産業界からの6つの最先端アプローチと比較した。
  論文  参考訳（メタデータ） (2020-03-20T16:50:30Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。