論文の概要: Modeling the Trade-off of Privacy Preservation and Activity Recognition on Low-Resolution Images

• arxiv url: http://arxiv.org/abs/2303.10435v1
• Date: Sat, 18 Mar 2023 15:23:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 19:17:16.498609
• Title: Modeling the Trade-off of Privacy Preservation and Activity Recognition on Low-Resolution Images
• Title（参考訳）: 低解像度画像におけるプライバシー保護のトレードオフと活動認識のモデル化
• Authors: Yuntao Wang, Zirui Cheng, Xin Yi, Yan Kong, Xueyang Wang, Xuhai Xu, Yukang Yan, Chun Yu, Shwetak Patel, Yuanchun Shi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 38.27648846018873
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A computer vision system using low-resolution image sensors can provide intelligent services (e.g., activity recognition) but preserve unnecessary visual privacy information from the hardware level. However, preserving visual privacy and enabling accurate machine recognition have adversarial needs on image resolution. Modeling the trade-off of privacy preservation and machine recognition performance can guide future privacy-preserving computer vision systems using low-resolution image sensors. In this paper, using the at-home activity of daily livings (ADLs) as the scenario, we first obtained the most important visual privacy features through a user survey. Then we quantified and analyzed the effects of image resolution on human and machine recognition performance in activity recognition and privacy awareness tasks. We also investigated how modern image super-resolution techniques influence these effects. Based on the results, we proposed a method for modeling the trade-off of privacy preservation and activity recognition on low-resolution images.
• Abstract（参考訳）: 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。 しかし、視覚的プライバシを維持し、正確なマシン認識を可能にすることは、画像の解像度に敵対的なニーズを持つ。 プライバシー保護と機械学習の性能のトレードオフのモデル化は、低解像度イメージセンサを用いた将来のプライバシー保存型コンピュータビジョンシステムのガイドとなる。 本稿では, 日常生活の在宅活動(ADL)をシナリオとして, ユーザ調査により, 視覚的プライバシの最も重要な特徴を最初に把握した。 次に,行動認識とプライバシ認識タスクにおける画像解像度が人間および機械の認識性能に及ぼす影響を定量化し分析した。 また,現代画像の超解像技術がこれらの効果に与える影響についても検討した。 そこで本研究では,低解像度画像におけるプライバシー保護と活動認識のトレードオフをモデル化する手法を提案する。

関連論文リスト

• 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)
• 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)
• PrivacyProber: Assessment and Detection of Soft-Biometric Privacy-Enhancing Techniques [1.790445868185437]
  そこで本研究では, バイオメトリック・プライバシ・エンハンシング技術を用いて, 回復の試みの信頼性について検討する。 プライバシ強化顔画像からソフトバイオメトリック情報を復元するための高レベルフレームワークであるPrivacyProberを提案する。
  論文  参考訳（メタデータ） (2022-11-16T12:20:18Z)
• Privacy-Preserving Face Recognition with Learnable Privacy Budgets in Frequency Domain [77.8858706250075]
  本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。 本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
  論文  参考訳（メタデータ） (2022-07-15T07:15:36Z)
• PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
  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。
  論文  参考訳（メタデータ） (2022-06-08T13:43:29Z)
• Toward Privacy and Utility Preserving Image Representation [26.768476643200664]
  本稿では,プライバシ保護のための画像表現の新規な課題について検討する。 本稿では,AIA(Adversarial Image Anonymizer)と呼ばれる原理的フレームワークを提案する。 AIAはまず、生成モデルを用いて画像表現を作成し、次に、敵対学習を用いて学習した画像表現を拡張して、与えられたタスクのプライバシーと有用性を維持する。
  論文  参考訳（メタデータ） (2020-09-30T01:25:00Z)
• Privacy-Preserving Image Features via Adversarial Affine Subspace Embeddings [72.68801373979943]
  多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。 本稿では,新しいプライバシー保護機能表現を提案する。 従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
  論文  参考訳（メタデータ） (2020-06-11T17:29:48Z)

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。