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
- Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。
本研究では,変換器を用いた全参照IQAモデルの性能について検討する。
また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
論文 参考訳(メタデータ) (2022-04-27T10:21:08Z) - AdaFace: Quality Adaptive Margin for Face Recognition [56.99208144386127]
本稿では、損失関数、すなわち画像品質における適応性の別の側面を紹介する。
そこで本稿では,画像品質に基づいて異なる難易度を示す新たな損失関数を提案する。
提案手法は,4つのデータセット上でのSoTA(State-of-the-art)による顔認識性能を向上させる。
論文 参考訳(メタデータ) (2022-04-03T01:23:41Z) - A new face swap method for image and video domains: a technical report [60.47144478048589]
FaceShifterアーキテクチャに基づいた新しいフェイススワップパイプラインを導入する。
新しいアイロス機能、超解像ブロック、ガウスベースのフェイスマスク生成は、品質改善につながる。
論文 参考訳(メタデータ) (2022-02-07T10:15:50Z) - 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) - An Attack on Feature Level-based Facial Soft-biometric Privacy
Enhancement [13.780253190395715]
特徴レベルに基づく顔ソフトバイオメトリック・プライバシ・エンハンスメント技術に対する攻撃を導入する。
プライバシーの強化を回避することができ、性別を最大90%の精度で正しく分類することができる。
論文 参考訳(メタデータ) (2021-11-24T10:41:15Z) - A Deep Insight into Measuring Face Image Utility with General and
Face-specific Image Quality Metrics [5.770286315818393]
一般的な画像品質のメトリクスは、グローバルなイメージで使用することができ、人間の知覚に関連付けられる。
本研究の結果から,顔用ユーティリティ尺度として特に訓練を受けなくても,学習した画像指標と顔用ユーティリティとの間に明確な相関関係が明らかとなった。
論文 参考訳(メタデータ) (2021-10-21T12:56:38Z) - Cross-Quality LFW: A Database for Analyzing Cross-Resolution Image Face
Recognition in Unconstrained Environments [8.368543987898732]
現実世界の顔認識アプリケーションは、異なるキャプチャ条件のために、最適な画像の品質や解像度を扱うことが多い。
最近のクロスレゾリューション顔認識手法は、画像品質における現実のエッジケースとの距離を測定するために、単純で任意で非現実的なダウンスケールとアップスケーリングの手法を用いている。
本稿では,Wildにおける有名なラベル付き顔から派生した,新しい標準ベンチマークデータセットと評価プロトコルを提案する。
論文 参考訳(メタデータ) (2021-08-23T17:04:32Z) - Joint Face Image Restoration and Frontalization for Recognition [79.78729632975744]
現実世界のシナリオでは、大きなポーズ、悪い照明、低解像度、ぼやけ、ノイズなど、多くの要因が顔認識性能を損なう可能性がある。
それまでの努力は通常、まず品質の低い顔から高品質な顔に復元し、次に顔認識を行う。
与えられた低品質の顔からフロンダル化された高品質の顔を復元する多段階顔復元モデルを提案する。
論文 参考訳(メタデータ) (2021-05-12T03:52:41Z) - FedFace: Collaborative Learning of Face Recognition Model [66.84737075622421]
FedFaceは顔認識モデルの協調学習のためのフレームワークである。
各クライアントに格納された顔画像が、他のクライアントや中央ホストと共有されない、正確で汎用的な顔認識モデルを学ぶ。
コードとトレーニング済みモデルは公開される予定です。
論文 参考訳(メタデータ) (2021-04-07T09:25:32Z) - MagFace: A Universal Representation for Face Recognition and Quality
Assessment [6.7044749347155035]
本論文では,与えられた顔の質を測ることができる普遍的特徴埋め込みを学習する損失のカテゴリであるMagFaceを提案する。
新しい損失の下では、主題が認識される可能性が高い場合、単調に埋め込み機能の大きさが増加することが証明できます。
さらに、MagFaceは、ハードサンプルを押しながら簡単にサンプルをクラスセンターに引っ張ることで、クラス内の機能を学ぶための適応メカニズムを導入している。
論文 参考訳(メタデータ) (2021-03-11T11:58:21Z) - A Study of Face Obfuscation in ImageNet [94.2949777826947]
本稿では,imagenetチャレンジにおける画像難読化について検討する。
ImageNetチャレンジのほとんどのカテゴリは、人のカテゴリではありません。
さまざまな深層ニューラルネットワークを顔画像上でベンチマークし、異なるカテゴリに対する異なる影響を観察します。
結果は、顔が破れた画像で学んだ特徴が等しく転送可能であることを示している。
論文 参考訳(メタデータ) (2021-03-10T17:11:34Z)
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。