論文の概要: Visual Privacy: Current and Emerging Regulations Around Unconsented
Video Analytics in Retail
- arxiv url: http://arxiv.org/abs/2302.12935v1
- Date: Fri, 24 Feb 2023 23:34:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 19:53:20.687212
- Title: Visual Privacy: Current and Emerging Regulations Around Unconsented
Video Analytics in Retail
- Title（参考訳）: ビジュアルプライバシ:小売業における未合意のビデオ分析に関する規制
- Authors: Scott Pletcher
- Abstract要約: ビデオ分析は、デジタルビデオデータと機械学習モデルを組み合わせて、そのビデオから様々な特徴を推測するプラクティスである。
研究者たちは、ビデオ分析を使って個人に関する特徴をすべて推測することが可能になったと主張している。
アーリーアダプターは、プライバシとデータオーナシップに関する進化中の法的な状況に巻き込まれている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Video analytics is the practice of combining digital video data with machine
learning models to infer various characteristics from that video. This
capability has been used for years to detect objects, movement, and the number
of customers in physical retail stores, but more complex machine learning
models combined with more powerful computing power has unlocked new levels of
possibility. Researchers claim it is now possible to infer a whole host of
characteristics about an individual using video analytics, such as specific
age, ethnicity, health status and emotional state. Moreover, an individuals
visual identity can be augmented with information from other data providers to
build out a detailed profile, all with the individual unknowingly contributing
their physical presence in front of a retail store camera. Some retailers have
begun to experiment with this new technology as a way to better know their
customers. However, those same early adopters are caught in an evolving legal
landscape around privacy and data ownership. This research looks into the
current legal landscape and legislation currently in progress around the use of
video analytics, specifically in the retail store setting. Because the ethical
and legal norms around individualized video analytics are still heavily in
flux, retailers are urged to adopt a wait and see approach or potentially incur
costly legal expenses and risk damage to their brand.
- Abstract（参考訳）: ビデオ分析は、デジタルビデオデータと機械学習モデルを組み合わせて、そのビデオから様々な特徴を推測するプラクティスである。
この機能は、オブジェクト、ムーブメント、および物理小売店の顧客数を検出するために長年使われてきたが、より複雑な機械学習モデルとより強力なコンピューティングパワーを組み合わせることで、新たなレベルの可能性を解き放った。
研究者らは、特定の年齢、民族、健康状態、感情状態などのビデオ分析を使って、個人の特性全体を推測することが可能になったと主張している。
さらに、個々の視覚的アイデンティティは、他のデータ提供者からの情報を付加して、詳細なプロファイルを構築することができる。
一部の小売業者は、顧客をよりよく知る方法として、この新しいテクノロジーを実験し始めた。
しかし、同じアーリーアダプターたちは、プライバシーとデータの所有権に関して、進化する法的状況に陥っている。
この研究は、ビデオ分析の利用に関する現在進行中の法的な状況と法律、特に小売店の設定について考察する。
個人化されたビデオ分析に関する倫理的および法的規範は依然として流動的であるため、小売業者は待ち行列のアプローチを採用するか、コストのかかる法的費用を負わせ、ブランドに損害を与える可能性がある。
関連論文リスト
- PV-VTT: A Privacy-Centric Dataset for Mission-Specific Anomaly Detection and Natural Language Interpretation [5.0923114224599555]
プライバシー侵害の特定を目的とした,ユニークなマルチモーダルデータセットであるPV-VTT(Privacy Violation Video To Text)を提案する。
PV-VTTは、シナリオ内のビデオとテキストの両方に詳細なアノテーションを提供する。
このプライバシー重視のアプローチにより、研究者はこのデータセットを、保護された機密性を保護しながら使用することができる。
論文 参考訳（メタデータ） (2024-10-30T01:02:20Z) - Multimodal Group Emotion Recognition In-the-wild Using Privacy-Compliant
Features [0.0]
グループレベルの感情認識は、社会ロボティクス、会話エージェント、e-coaching、学習分析など、多くの分野で有用である。
本稿では,EmotiW Challenge 2023の中で,プライバシに適合したグループレベルの感情認識について検討する。
論文 参考訳（メタデータ） (2023-12-06T08:58:11Z) - Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳（メタデータ） (2023-04-06T05:20:16Z) - How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios [73.24092762346095]
情緒応答と主観的幸福感に注釈を付けた6万本以上のビデオを備えた大規模データセットを2つ導入した。
Video Cognitive Empathyデータセットには、微粒な感情応答の分布のためのアノテーションが含まれており、モデルが感情状態の詳細な理解を得ることができる。
Video to Valenceデータセットには、ビデオ間の相対的な快適性のアノテーションが含まれている。
論文 参考訳（メタデータ） (2022-10-18T17:58:25Z) - Audio-Visual Person-of-Interest DeepFake Detection [77.04789677645682]
本研究の目的は、現実世界で遭遇する様々な操作方法やシナリオに対処できるディープフェイク検出器を提案することである。
我々は、対照的な学習パラダイムを活用して、各アイデンティティに対して最も識別しやすい、移動面と音声セグメントの埋め込みを学習する。
本手法は,シングルモダリティ(オーディオのみ,ビデオのみ)とマルチモダリティ(オーディオビデオ)の両方を検出でき,低品質・低画質ビデオに対して堅牢である。
論文 参考訳（メタデータ） (2022-04-06T20:51:40Z) - Challenges and approaches to privacy preserving post-click conversion
prediction [3.4071263815701336]
この環境で変換モデルを学ぶ際の課題と制約について概説する。
本稿では,ポストグレード信号を利用したモデル学習手法を提案する。
実世界のデータに対してオフライン実験を用いることで、オプトインデータのみに依存するモデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T21:36:01Z) - Privacy Aware Person Detection in Surveillance Data [4.727475863373813]
群衆管理は、オペレーターまたはオブジェクト検出モデルによる監視ビデオの検査に依存する。
カメラから遠隔インフラに映像を転送すれば、プライバシー侵害となる追加情報を抽出する扉が開くかもしれない。
本稿では,人検出に必要な情報のみを保持するために,映像フレームを変換する軽量なオファスケータを得るために,対人訓練を用いる。
論文 参考訳（メタデータ） (2021-10-28T14:49:21Z) - Privid: Practical, Privacy-Preserving Video Analytics Queries [6.7897713298300335]
本稿では,ビデオ分析における差分プライバシー(DP)の新たな概念として,$(rho,K,epsilon)$-event-duration Privacyを提案する。
プライビッドは,非私的システムの79～99%以内のアキュラシーを達成している。
論文 参考訳（メタデータ） (2021-06-22T22:25:08Z) - APES: Audiovisual Person Search in Untrimmed Video [87.4124877066541]
音声人物探索データセット(APES)について述べる。
APESには36時間のビデオにラベル付けされた1,9K以上のIDが含まれている。
APESの重要な特徴は、顔と同一アイデンティティの音声セグメントをリンクする密集した時間アノテーションを含むことである。
論文 参考訳（メタデータ） (2021-06-03T08:16:42Z) - More Than Privacy: Applying Differential Privacy in Key Areas of
Artificial Intelligence [62.3133247463974]
差分プライバシーは、AIのプライバシー保護以上のことができることを示す。
また、セキュリティを改善し、学習を安定させ、公正なモデルを構築し、AIの選択領域にコンポジションを課すためにも使用できる。
論文 参考訳（メタデータ） (2020-08-05T03:07:36Z) - Multi-Modal Video Forensic Platform for Investigating Post-Terrorist
Attack Scenarios [55.82693757287532]
大規模ビデオ分析プラットフォーム(VAP)は、容疑者を特定し証拠を確保するために法執行機関(LEA)を支援する。
本稿では,視覚・音声分析モジュールを統合し,監視カメラからの情報と目撃者からの映像アップロードを融合するビデオ分析プラットフォームを提案する。
論文 参考訳（メタデータ） (2020-04-02T14:29:27Z)
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。
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。