論文の概要: Privacy-Preserving Remote Heart Rate Estimation from Facial Videos

• arxiv url: http://arxiv.org/abs/2306.01141v1
• Date: Thu, 1 Jun 2023 20:48:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 17:52:35.612918
• Title: Privacy-Preserving Remote Heart Rate Estimation from Facial Videos
• Title（参考訳）: 顔ビデオからのプライバシー保全型遠隔心拍数推定
• Authors: Divij Gupta, Ali Etemad
• Abstract要約: ディープラーニング技術は摂動攻撃に弱いため、重大なデータ漏洩が発生する可能性がある。 顔の特定領域を識別情報が少ない状態で抽出し,次にピクセルシャッフルとぼかしを行うデータ手法を提案する。 本稿では,顔認識アルゴリズムの精度を60%以上削減し,r抽出への影響を最小限に抑える。
• 参考スコア（独自算出の注目度）: 19.442685015494316
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Remote Photoplethysmography (rPPG) is the process of estimating PPG from facial videos. While this approach benefits from contactless interaction, it is reliant on videos of faces, which often constitutes an important privacy concern. Recent research has revealed that deep learning techniques are vulnerable to attacks, which can result in significant data breaches making deep rPPG estimation even more sensitive. To address this issue, we propose a data perturbation method that involves extraction of certain areas of the face with less identity-related information, followed by pixel shuffling and blurring. Our experiments on two rPPG datasets (PURE and UBFC) show that our approach reduces the accuracy of facial recognition algorithms by over 60%, with minimal impact on rPPG extraction. We also test our method on three facial recognition datasets (LFW, CALFW, and AgeDB), where our approach reduced performance by nearly 50%. Our findings demonstrate the potential of our approach as an effective privacy-preserving solution for rPPG estimation.
• Abstract（参考訳）: remote photoplethysmography(rppg)は、顔ビデオからppgを推定するプロセスである。 このアプローチは接触のないインタラクションの恩恵を受けるが、多くの場合、重要なプライバシー上の懸念を構成する顔のビデオに依存している。 近年の研究では、ディープラーニング技術が攻撃に弱いことが明らかにされており、データ漏洩によって深いrPPG推定がさらにセンシティブになる可能性がある。 この問題に対処するために,顔の特定領域を識別情報が少なく抽出し,次いでピクセルシャッフルとぼやけを伴って抽出するデータ摂動法を提案する。 2つの rPPG データセット (PURE と UBFC) を実験した結果,rPPG 抽出に最小限の影響を伴って,顔認識アルゴリズムの精度を60%以上削減できることがわかった。 また,3つの顔認識データセット(LFW, CALFW, AgeDB)を用いて,提案手法の有効性を50%近く低減した。 本研究は,rppg推定のための効果的なプライバシー保護ソリューションとしてのアプローチの可能性を示す。

関連論文リスト

• rFaceNet: An End-to-End Network for Enhanced Physiological Signal Extraction through Identity-Specific Facial Contours [11.050311824021733]
  リモート光胸腺撮影(r)技術は、ビデオフレームの微妙なピクセル変化から血液体積パルス(BVP)信号を抽出する。 本稿では,顔の輪郭に着目して顔BVP信号の抽出を促進するrFaceNet法を紹介する。
  論文  参考訳（メタデータ） (2024-03-14T02:11:16Z)
• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• Facial Kinship Verification from remote photoplethysmography [8.212664345436092]
  Kinship Verification (FKV) は、2人の被験者が人間の顔に基づいて親族関係を持つかどうかを自動的に判定することを目的としている。 従来のFKVは、スプーフ攻撃に脆弱であり、プライバシーの問題を引き起こすため、課題に直面している。 本稿では,FKVを生体信号で探索し,リモート光合成反射に着目した。
  論文  参考訳（メタデータ） (2023-09-14T19:33:11Z)
• 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)
• Privacy-Preserving Face Recognition Using Random Frequency Components [46.95003101593304]
  顔認識によってプライバシーの懸念が高まっている。 人間の知覚可能な低周波成分を抽出することで視覚情報を隠蔽することを提案する。 得られた知見を,プライバシ保護のための新しい顔認識手法であるPartialFaceに抽出する。
  論文  参考訳（メタデータ） (2023-08-21T04:31:02Z)
• rPPG-MAE: Self-supervised Pre-training with Masked Autoencoders for Remote Physiological Measurement [36.54109704201048]
  リモート光胸腺撮影(r-MAE)はヒトのバイタルサインを知覚する重要な技術である。 本稿では,生理的信号に先行する自己相似性を抽出する自己教師型フレームワークを開発する。 また,提案手法をPUREとUBFC-rという2つの公開データセット上で評価した。
  論文  参考訳（メタデータ） (2023-06-04T08:53:28Z)
• Non-Contact Heart Rate Measurement from Deteriorated Videos [0.3149883354098941]
  リモート・フォトプレソグラフィー (Remote Photoplethysmography) は、顔の映像を分析して人間の脈波を推定するための、最先端で非接触の方法論を提供する。 本研究では,映像品質を意図的に劣化させるために画像処理を適用し,困難な条件を模倣する。 以上の結果から, これらのアーティファクトの存在下での精度の低下が明らかとなり, 修復技術の適用が提案された。
  論文  参考訳（メタデータ） (2023-04-28T11:58:36Z)
• Partial sensitivity analysis in differential privacy [58.730520380312676]
  それぞれの入力特徴が個人のプライバシ損失に与える影響について検討する。 プライベートデータベース上でのクエリに対する我々のアプローチを実験的に評価する。 また、合成データにおけるニューラルネットワークトレーニングの文脈における知見についても検討する。
  論文  参考訳（メタデータ） (2021-09-22T08:29:16Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。