Fugu-MT 論文翻訳(概要): Robust Human Identity Anonymization using Pose Estimation

論文の概要: Robust Human Identity Anonymization using Pose Estimation

arxiv url: http://arxiv.org/abs/2301.04243v1
Date: Tue, 10 Jan 2023 23:35:42 GMT
ステータス: 処理完了
システム内更新日: 2023-01-12 16:55:15.108094
Title: Robust Human Identity Anonymization using Pose Estimation
Title（参考訳）: ポース推定を用いたロバストな人物識別
Authors: Hengyuan Zhang, Jing-Yan Liao, David Paz, Henrik I. Christensen
Abstract要約: そこで本研究では,人間の頭部の局所化を支援するために,最先端の人間のポーズ推定モデルから生成された骨格を用いることを提案する。提案アルゴリズムは,欠落した顔を減らし,歩行者の身元情報をよりよく保護できることを示す。
参考スコア（独自算出の注目度）: 6.05592435283857
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Many outdoor autonomous mobile platforms require more human identity anonymized data to power their data-driven algorithms. The human identity anonymization should be robust so that less manual intervention is needed, which remains a challenge for current face detection and anonymization systems. In this paper, we propose to use the skeleton generated from the state-of-the-art human pose estimation model to help localize human heads. We develop criteria to evaluate the performance and compare it with the face detection approach. We demonstrate that the proposed algorithm can reduce missed faces and thus better protect the identity information for the pedestrians. We also develop a confidence-based fusion method to further improve the performance.
Abstract（参考訳）: 多くのアウトドア自律型モバイルプラットフォームは、データ駆動アルゴリズムを駆動するために、より人間のアイデンティティ匿名化データを必要とする。人間のアイデンティティの匿名化は、手作業による介入を減らすために堅牢でなければならない。本稿では,最先端の人間のポーズ推定モデルから生成された骨格を用いて,頭部の局所化を支援する。評価基準を開発し,顔検出手法と比較する。提案アルゴリズムは,欠落した顔を減らし,歩行者の身元情報をよりよく保護できることを示す。また,信頼性に基づく融合法を開発し,さらなる性能向上を図る。

関連論文リスト

OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
拡散モデルは、顔の修復において顕著な性能を示した。顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
論文参考訳（メタデータ） (2024-11-26T07:07:48Z)
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)
A False Sense of Privacy: Towards a Reliable Evaluation Methodology for the Anonymization of Biometric Data [8.799600976940678]
生体データは、顔の特徴や歩行パターンのような特徴的な人間の特徴を含んでいる。プライバシー保護は、匿名化の技法によって広範囲に提供される。我々は、匿名化の性能を評価するために使用される最先端の手法を評価する。
論文参考訳（メタデータ） (2023-04-04T08:46:14Z)
Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
論文参考訳（メタデータ） (2023-03-23T13:50:46Z)
Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文参考訳（メタデータ） (2023-03-20T17:34:05Z)
Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution [68.8204255655161]
マスターフェイス(英: master face)とは、人口の大部分が顔に基づくアイデンティティ認証を通した顔画像である。そこで我々は,StyleGANフェイスジェネレータの潜伏埋め込み空間における進化的アルゴリズムを用いて,これらの顔の最適化を行う。
論文参考訳（メタデータ） (2021-08-01T12:55:23Z)
Face Anonymization by Manipulating Decoupled Identity Representation [5.26916168336451]
本稿では,顔画像の識別情報をわずかな修正で漏洩から保護する手法を提案する。具体的には、生成的敵ネットワークの力を利用する他の顔属性と同一性表現を分離する。モデルの不整合性を回避し、匿名性生成(AIG)を効果的に行う手法を提案する。
論文参考訳（メタデータ） (2021-05-24T07:39:54Z)
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)
CIAGAN: Conditional Identity Anonymization Generative Adversarial Networks [12.20367903755194]
CIAGANは条件付き生成対向ネットワークに基づく画像およびビデオの匿名化モデルである。このモデルでは,高品質な画像や映像を制作しながら,顔や身体の特徴を識別できる。
論文参考訳（メタデータ） (2020-05-19T15:56:08Z)
Intra-Camera Supervised Person Re-Identification [87.88852321309433]
本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
論文参考訳（メタデータ） (2020-02-12T15:26:33Z)

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。