論文の概要: LDFA: Latent Diffusion Face Anonymization for Self-driving Applications
- arxiv url: http://arxiv.org/abs/2302.08931v1
- Date: Fri, 17 Feb 2023 15:14:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-20 14:26:23.618392
- Title: LDFA: Latent Diffusion Face Anonymization for Self-driving Applications
- Title（参考訳）: LDFA: 自動運転アプリケーションのための潜伏拡散顔匿名化
- Authors: Marvin Klemp, Kevin R\"osch, Royden Wagner, Jannik Quehl, Martin Lauer
- Abstract要約: 我々は、ITSの文脈において、顔の匿名化のための新しいディープラーニングベースのパイプラインを導入する。
本稿では,顔検出モデルと潜時拡散モデルを含む2段階の手法を提案する。
実験の結果,我々のパイプラインは,分割のためのデータの匿名化に適しており,最近のGAN法と互換性があることがわかった。
- 参考スコア（独自算出の注目度）: 3.501026362812183
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In order to protect vulnerable road users (VRUs), such as pedestrians or
cyclists, it is essential that intelligent transportation systems (ITS)
accurately identify them. Therefore, datasets used to train perception models
of ITS must contain a significant number of vulnerable road users. However,
data protection regulations require that individuals are anonymized in such
datasets. In this work, we introduce a novel deep learning-based pipeline for
face anonymization in the context of ITS. In contrast to related methods, we do
not use generative adversarial networks (GANs) but build upon recent advances
in diffusion models. We propose a two-stage method, which contains a face
detection model followed by a latent diffusion model to generate realistic face
in-paintings. To demonstrate the versatility of anonymized images, we train
segmentation methods on anonymized data and evaluate them on non-anonymized
data. Our experiment reveal that our pipeline is better suited to anonymize
data for segmentation than naive methods and performes comparably with recent
GAN-based methods. Moreover, face detectors achieve higher mAP scores for faces
anonymized by our method compared to naive or recent GAN-based methods.
- Abstract（参考訳）: 歩行者やサイクリストなどの脆弱な道路利用者(VRU)を保護するためには、インテリジェント交通システム(ITS)がそれらを正確に識別することが不可欠である。
したがって、ITSの知覚モデルをトレーニングするために使用されるデータセットは、かなりの数の脆弱な道路利用者を含む必要がある。
しかし、データ保護規則は、個人がそのようなデータセットで匿名化されることを要求する。
本稿では,ITSの文脈において,顔の匿名化のための新しいディープラーニングベースのパイプラインを提案する。
関連する手法とは対照的に,gans(generative adversarial network)は使用せず,拡散モデルの最近の進歩に基づいている。
本稿では,顔検出モデルと潜時拡散モデルを含む2段階の手法を提案する。
匿名化画像の汎用性を示すため,匿名化データのセグメント化手法を訓練し,匿名化データ上で評価する。
実験により,本パイプラインはナイーブ法よりもセグメンテーション用データの匿名化に適しており,最近のgan法と相性が良いことを示す。
さらに,顔検出装置は,本手法で匿名化した顔に対して,GAN法やGAN法よりも高いmAPスコアが得られる。
関連論文リスト
- Segue: Side-information Guided Generative Unlearnable Examples for
Facial Privacy Protection in Real World [64.4289385463226]
生成不可能な例としては、Segue: Side-information guided Generative unlearnable Exampleを提案する。
転送性を向上させるために,真のラベルや擬似ラベルなどの側面情報を導入する。
JPEG圧縮、敵対的トレーニング、およびいくつかの標準的なデータ拡張に抵抗することができる。
論文 参考訳（メタデータ） (2023-10-24T06:22:37Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳（メタデータ） (2023-05-23T02:14:11Z) - 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) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Generalizable Method for Face Anti-Spoofing with Semi-Supervised
Learning [0.0]
顔の偽造防止は生体認証システムにおける高いセキュリティ要件のために多くの注目を集めている。
フェースバイオメトリックを商用ハードウェアに持ち込むことは、フェイクログインセッションを検出するための信頼性の高い方法の開発に大きく依存するようになった。
現在のCNNベースの手法は、トレーニング対象のドメインでよく機能するが、以前は見つからなかったデータセットでは一般化が不十分であることが多い。
論文 参考訳（メタデータ） (2022-06-13T22:44:14Z) - Safe Fakes: Evaluating Face Anonymizers for Face Detectors [0.0]
本稿では,顔検出装置の教師付き訓練における画像匿名化の効果に関する最初の実証研究を行う。
従来の顔匿名化手法と最先端の3つのGAN(Generative Adrial Network-based)手法を比較した。
すべてのテストされた匿名化方法は訓練された顔検出器の性能を低下させますが、GANを使用して匿名化される表面は従来の方法よりはるかに小さい性能の低下を引き起こします。
論文 参考訳（メタデータ） (2021-04-23T17:16:23Z) - 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) - Towards Transferable Adversarial Attack against Deep Face Recognition [58.07786010689529]
ディープ畳み込みニューラルネットワーク(DCNN)は敵の例に弱いことが判明した。
転送可能な敵の例は、DCNNの堅牢性を著しく妨げます。
DFANetは畳み込み層で使用されるドロップアウトベースの手法であり,サロゲートモデルの多様性を高めることができる。
クエリなしで4つの商用APIをうまく攻撃できる新しい対向顔ペアを生成します。
論文 参考訳（メタデータ） (2020-04-13T06:44:33Z)
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。
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。