Fugu-MT 論文翻訳(概要): PrivHAR: Recognizing Human Actions From Privacy-preserving Lens

論文の概要: PrivHAR: Recognizing Human Actions From Privacy-preserving Lens

arxiv url: http://arxiv.org/abs/2206.03891v1
Date: Wed, 8 Jun 2022 13:43:29 GMT
ステータス: 処理完了
システム内更新日: 2022-06-09 14:02:27.191124
Title: PrivHAR: Recognizing Human Actions From Privacy-preserving Lens
Title（参考訳）: PrivHAR:プライバシー保護レンズから人間の行動を認識する
Authors: Carlos Hinojosa, Miguel Marquez, Henry Arguello, Ehsan Adeli, Li Fei-Fei, Juan Carlos Niebles
Abstract要約: 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。
参考スコア（独自算出の注目度）: 58.23806385216332
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The accelerated use of digital cameras prompts an increasing concern about privacy and security, particularly in applications such as action recognition. In this paper, we propose an optimizing framework to provide robust visual privacy protection along the human action recognition pipeline. Our framework parameterizes the camera lens to successfully degrade the quality of the videos to inhibit privacy attributes and protect against adversarial attacks while maintaining relevant features for activity recognition. We validate our approach with extensive simulations and hardware experiments.
Abstract（参考訳）: デジタルカメラの迅速な使用は、特にアクション認識のようなアプリケーションにおいて、プライバシーとセキュリティに対する懸念の高まりを促す。本稿では,人間の行動認識パイプラインに沿って,堅牢な視覚プライバシ保護を実現するための最適化フレームワークを提案する。このフレームワークはカメラレンズをパラメータ化し、ビデオの品質を低下させ、プライバシー属性を阻害し、敵対的な攻撃から保護すると同時に、アクティビティ認識に関連する機能を維持できる。我々は、広範囲なシミュレーションとハードウェア実験でアプローチを検証する。

関連論文リスト

Low-Latency Video Anonymization for Crowd Anomaly Detection: Privacy vs. Performance [5.78828936452823]
本研究では,プライバシ保護とリアルタイムビデオ異常検出アプリケーションのための従来の匿名化ソリューションを再検討する。本稿では,プライバシー保護を強化するために動的調整を施したVAD(LA3D)の軽量適応匿名化を提案する。実験により, LA3Dは, VADの有効性を著しく低下させることなく, プライバシー匿名化能力を大幅に向上させることができることを示した。
論文参考訳（メタデータ） (2024-10-24T13:22:33Z)
Privacy-Preserving Deep Learning Using Deformable Operators for Secure Task Learning [14.187385349716518]
既存のプライバシー保護方法は、画像暗号化や知覚変換アプローチに依存している。安全なタスク学習に変形可能な演算子の集合を用いる新しいプライバシ保存フレームワークを提案する。
論文参考訳（メタデータ） (2024-04-08T19:46:20Z)
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)
Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
論文参考訳（メタデータ） (2023-09-11T09:26:07Z)
Modeling the Trade-off of Privacy Preservation and Activity Recognition on Low-Resolution Images [38.27648846018873]
低解像度の画像センサを用いたコンピュータビジョンシステムは、インテリジェントなサービス(例えば、アクティビティ認識)を提供することができるが、ハードウェアレベルから不要な視覚的プライバシ情報を保持できる。プライバシ保護と機械学習性能のトレードオフをモデル化することで、将来のプライバシ保護コンピュータビジョンシステムを導くことができる。
論文参考訳（メタデータ） (2023-03-18T15:23:10Z)
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)
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)
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)
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)

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。