論文の概要: Anonymization for Skeleton Action Recognition
- arxiv url: http://arxiv.org/abs/2111.15129v1
- Date: Tue, 30 Nov 2021 05:13:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-02 03:17:21.550646
- Title: Anonymization for Skeleton Action Recognition
- Title（参考訳）: 骨格行動認識のための匿名化
- Authors: Myeonghyeon Kim, Zhenyue Qin, Yang Liu, Dongwoo Kim
- Abstract要約: 我々は,スケルトンデータセットから潜在的なプライバシー漏洩を保護するために,匿名化アルゴリズムの2つの変種を提案する。
実験結果から、匿名化されたデータセットは、動作認識性能に限界効果がある一方で、プライバシー漏洩のリスクを低減できることが示された。
- 参考スコア（独自算出の注目度）: 6.772319578308409
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The skeleton-based action recognition attracts practitioners and researchers
due to the lightweight, compact nature of datasets. Compared with
RGB-video-based action recognition, skeleton-based action recognition is a
safer way to protect the privacy of subjects while having competitive
recognition performance. However, due to the improvements of skeleton
estimation algorithms as well as motion- and depth-sensors, more details of
motion characteristics can be preserved in the skeleton dataset, leading to a
potential privacy leakage from the dataset. To investigate the potential
privacy leakage from the skeleton datasets, we first train a classifier to
categorize sensitive private information from a trajectory of joints.
Experiments show the model trained to classify gender can predict with 88%
accuracy and re-identify a person with 82% accuracy. We propose two variants of
anonymization algorithms to protect the potential privacy leakage from the
skeleton dataset. Experimental results show that the anonymized dataset can
reduce the risk of privacy leakage while having marginal effects on the action
recognition performance.
- Abstract（参考訳）: 骨格に基づく行動認識は、軽量でコンパクトなデータセットの性質のため、実践者や研究者を惹きつける。
RGBビデオベースのアクション認識と比較して、骨格ベースのアクション認識は、競合する認識性能を有しながら、被験者のプライバシを保護する安全な方法である。
しかし、スケルトン推定アルゴリズムとモーションセンサーと深度センサーの改善により、スケルトンデータセットには、より詳細な動き特性が保存され、データセットから潜在的なプライバシーリークにつながる可能性がある。
スケルトンデータセットからの潜在的なプライバシー漏洩を調べるため、まず分類器を訓練し、関節の軌跡から機密性のある個人情報を分類する。
実験では、性別を分類するために訓練されたモデルは88%の精度で予測でき、82%の精度で人物を再同定できる。
我々は,スケルトンデータセットから潜在的なプライバシー漏洩を保護するために,匿名化アルゴリズムの2つの変種を提案する。
実験の結果,匿名化されたデータセットは,行動認識性能に限界的な影響を与えながら,プライバシリークのリスクを低減できることがわかった。
関連論文リスト
- Effect of Data Degradation on Motion Re-Identification [16.062009131216467]
本研究では,信号劣化が識別性に及ぼす影響について検討し,特に付加雑音,フレームレートの低減,精度の低下,データの次元性の低下について検討した。
実験により,これらの劣化に対して,最先端の識別攻撃は依然としてほぼ完全であることがわかった。
論文 参考訳（メタデータ） (2024-07-25T20:23:32Z) - Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。
GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。
室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
論文 参考訳（メタデータ） (2023-07-27T01:53:57Z) - dugMatting: Decomposed-Uncertainty-Guided Matting [83.71273621169404]
そこで本稿では, 明確に分解された不確かさを探索し, 効率よく効率よく改善する, 分解不確実性誘導型マッチングアルゴリズムを提案する。
提案したマッチングフレームワークは,シンプルで効率的なラベリングを用いて対話領域を決定する必要性を緩和する。
論文 参考訳（メタデータ） (2023-06-02T11:19:50Z) - Skeleton-Based Mutually Assisted Interacted Object Localization and
Human Action Recognition [111.87412719773889]
本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。
本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
論文 参考訳（メタデータ） (2021-10-28T10:09:34Z) - Partial sensitivity analysis in differential privacy [58.730520380312676]
それぞれの入力特徴が個人のプライバシ損失に与える影響について検討する。
プライベートデータベース上でのクエリに対する我々のアプローチを実験的に評価する。
また、合成データにおけるニューラルネットワークトレーニングの文脈における知見についても検討する。
論文 参考訳（メタデータ） (2021-09-22T08:29:16Z) - Privacy-Preserving Federated Learning on Partitioned Attributes [6.661716208346423]
フェデレーション学習は、ローカルデータやモデルを公開することなく、協調的なトレーニングを促進する。
ローカルモデルをチューニングし、プライバシー保護された中間表現をリリースする逆学習ベースの手順を紹介します。
精度低下を緩和するために,前方後方分割アルゴリズムに基づく防御法を提案する。
論文 参考訳（メタデータ） (2021-04-29T14:49:14Z) - Privacy-preserving Object Detection [52.77024349608834]
我々は,COCOにおけるオブジェクト検出において,顔のぼやけによるデータセットの匿名化と,性別や肌のトーン次元に沿ったバランスの取れた顔の交換は,プライバシを保ち,偏りを部分的に保ちながらオブジェクト検出性能を維持することができることを示した。
論文 参考訳（メタデータ） (2021-03-11T10:34:54Z) - Graph-Homomorphic Perturbations for Private Decentralized Learning [64.26238893241322]
ローカルな見積もりの交換は、プライベートデータに基づくデータの推測を可能にする。
すべてのエージェントで独立して選択された摂動により、パフォーマンスが著しく低下する。
本稿では,特定のヌル空間条件に従って摂動を構成する代替スキームを提案する。
論文 参考訳（メタデータ） (2020-10-23T10:35:35Z) - How important are faces for person re-identification? [14.718372669984364]
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。
論文 参考訳（メタデータ） (2020-10-13T11:47:16Z) - Attribute Privacy: Framework and Mechanisms [26.233612860653025]
本研究では、データ所有者が分析中にデータセット全体の機密性を明らかにすることに関心を持つ属性プライバシの研究を行う。
我々は,グローバル属性を保護する必要がある2つのケースにおいて,インパトリビュートプライバシを捕捉するための定義を提案する。
これらの設定の属性プライバシーを満足する2つの効率的なメカニズムと1つの非効率的なメカニズムを提供する。
論文 参考訳（メタデータ） (2020-09-08T22:38:57Z)
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。