論文の概要: Deep Learning Approach Protecting Privacy in Camera-Based Critical Applications

• arxiv url: http://arxiv.org/abs/2110.01676v1
• Date: Mon, 4 Oct 2021 19:16:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-06 14:12:25.523666
• Title: Deep Learning Approach Protecting Privacy in Camera-Based Critical Applications
• Title（参考訳）: カメラベースクリティカルアプリケーション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
• Authors: Gautham Ramajayam, Tao Sun, Chiu C. Tan, Lannan Luo, Haibin Ling
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 57.93313928219855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many critical applications rely on cameras to capture video footage for analytical purposes. This has led to concerns about these cameras accidentally capturing more information than is necessary. In this paper, we propose a deep learning approach towards protecting privacy in camera-based systems. Instead of specifying specific objects (e.g. faces) are privacy sensitive, our technique distinguishes between salient (visually prominent) and non-salient objects based on the intuition that the latter is unlikely to be needed by the application.
• Abstract（参考訳）: 多くの重要な応用は、分析目的の映像を撮影するためにカメラに依存している。 これは、これらのカメラが誤って必要以上に多くの情報を捉えているという懸念につながった。 本稿では,カメラシステムにおけるプライバシー保護のための深層学習手法を提案する。 特定のオブジェクト(例えば顔)を特定することがプライバシーに敏感である代わりに、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、健全な(視覚的に顕著な)オブジェクトと非塩分オブジェクトを区別する。

関連論文リスト

• Two Deep Learning Solutions for Automatic Blurring of Faces in Videos [0.8287206589886879]
  本稿では,監視ビデオにおける顔ぼやけ問題に対処するための,ディープラーニングに基づく2つの選択肢を提案する。 まず、顔を検出するために訓練された古典的な物体検出装置で構成され、その後、ぼやけている。 第二に、Unetのようなセグメンテーションネットワークを訓練して、すべての顔がぼやけた入力画像のバージョンを出力する間接的アプローチである。
  論文  参考訳（メタデータ） (2024-09-23T08:59:44Z)
• 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 Representations are not Enough -- Recovering Scene Content from Camera Poses [63.12979986351964]
  既存のプライバシ保護ローカライゼーションの取り組みは、クラウドベースのサービスにアクセス可能な攻撃者に対して防御することを目的としている。 攻撃者は、単にローカライズサービスに問い合わせるだけで、アクセスすることなくシーンの詳細を知ることができることを示す。
  論文  参考訳（メタデータ） (2023-05-08T10:25:09Z)
• On the Design of Privacy-Aware Cameras: a Study on Deep Neural Networks [0.7646713951724011]
  本稿では, カメラの歪みがデータ保護に及ぼす影響について検討する。 ライセンスプレート番号などの個人情報を抽出できないプライバシ対応カメラを構築する。 同時に、歪み画像から有用な非感度データを抽出できることを保証します。
  論文  参考訳（メタデータ） (2022-08-24T08:45:31Z)
• 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)
• SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
  アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。 自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。 本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:56:40Z)
• PRNU Based Source Camera Identification for Webcam and Smartphone Videos [137.6408511310322]
  このコミュニケーションは、Webカメラ/スマートフォンビデオのソースカメラ(SCI: Source Camera Identification)を特定するためにカメラセンサ指紋を使用する画像法医学の応用に関するものである。
  論文  参考訳（メタデータ） (2022-01-27T18:57:14Z)
• Privacy-Preserving Pose Estimation for Human-Robot Interaction [8.905235622945254]
  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。
  論文  参考訳（メタデータ） (2020-11-14T21:09:53Z)
• Performance of object recognition in wearable videos [9.669942356088377]
  本研究は、このタイプのカメラで撮影した映像における物体検出と位置決めの問題について研究する。 本稿では、精度と速度の優れたトレードオフを提供する、よく知られたYOLOアーキテクチャについて述べる。
  論文  参考訳（メタデータ） (2020-09-10T15:20:17Z)

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。