論文の概要: GAN-based Deidentification of Drivers' Face Videos: An Assessment of
Human Factors Implications in NDS Data
- arxiv url: http://arxiv.org/abs/2306.02374v1
- Date: Sun, 4 Jun 2023 15:14:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 18:16:03.795736
- Title: GAN-based Deidentification of Drivers' Face Videos: An Assessment of
Human Factors Implications in NDS Data
- Title（参考訳）: GANによるドライバーの顔映像の同定:NDSデータにおけるヒューマンファクター含意の評価
- Authors: Surendrabikram Thapa and Abhijit Sarkar
- Abstract要約: 本稿はまず,そのようなデータ共有に関わる問題について概説する。
次に、人工知能ベースの技術、特に顔交換がドライバーの顔の識別にどのように使用できるかを示す枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper addresses the problem of sharing drivers' face videos for
transportation research while adhering to proper ethical guidelines. The paper
first gives an overview of the multitude of problems associated with sharing
such data and then proposes a framework on how artificial intelligence-based
techniques, specifically face swapping, can be used for de-identifying drivers'
faces. Through extensive experimentation with an Oak Ridge National Laboratory
(ORNL) dataset, we demonstrate the effectiveness of face-swapping algorithms in
preserving essential attributes related to human factors research, including
eye movements, head movements, and mouth movements. The efficacy of the
framework was also tested on various naturalistic driving study data collected
at the Virginia Tech Transportation Institute. The results achieved through the
proposed techniques were evaluated qualitatively and quantitatively using
various metrics. Finally, we discuss possible measures for sharing the
de-identified videos with the greater research community.
- Abstract（参考訳）: 本稿では,適切な倫理ガイドラインを遵守しつつ,運転者の顔映像を交通機関で共有する問題に対処する。
本稿は、まず、これらのデータ共有に関連するさまざまな問題の概要を述べ、次に、人工知能ベースの技術、特に顔スワップがドライバーの顔の識別にどのように使用できるかを示す枠組みを提案する。
オークリッジ国立研究所 (ornl) データセットを用いた広範囲な実験により, 眼球運動, 頭部運動, 口唇運動など, 人的要因研究に関連する必須属性の保存における顔スワッピングアルゴリズムの有効性を実証した。
この枠組みの有効性はバージニア工科大学で収集された様々な自然主義的運転研究データでも検証された。
提案手法により得られた結果は,様々な指標を用いて質的,定量的に評価された。
最後に,未確認映像をより大きな研究コミュニティと共有するための対策について検討する。
関連論文リスト
- Towards In-Vehicle Multi-Task Facial Attribute Recognition:
Investigating Synthetic Data and Vision Foundation Models [8.54530542456452]
車両の乗客の顔の特徴を認識する複雑なマルチタスクモデルを訓練するための合成データセットの有用性について検討する。
我々の研究は直感に反する発見を明らかにし、特に特定のマルチタスクコンテキストにおいて、ViTよりもResNetの方が優れた性能を示した。
論文 参考訳（メタデータ） (2024-03-10T04:17:54Z) - Genetic InfoMax: Exploring Mutual Information Maximization in
High-Dimensional Imaging Genetics Studies [50.11449968854487]
遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。
画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。
本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
論文 参考訳（メタデータ） (2023-09-26T03:59:21Z) - Human Body Pose Estimation for Gait Identification: A Comprehensive
Survey of Datasets and Models [4.17510581764131]
個人識別は特にセキュリティ領域において大きな注目を集めている問題である。
顔画像、シルエット画像、ウェアラブルセンサーの利用など、人物識別に対処するいくつかのレビュー研究がある。
従来のアプローチの課題を克服しながら、骨格に基づく人物識別が人気を博しているが、既存の調査では歩行識別に対する骨格に基づくアプローチの包括的なレビューが欠如している。
論文 参考訳（メタデータ） (2023-05-23T07:30:00Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳（メタデータ） (2023-03-24T05:28:35Z) - 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) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳（メタデータ） (2022-11-07T17:20:39Z) - Facial Emotion Recognition using Deep Residual Networks in Real-World
Environments [5.834678345946704]
そこで本研究では,Wild内および大規模に収集されたビデオデータセットに基づいて訓練された顔特徴抽出モデルを提案する。
データセットは100万のラベル付きフレームと2,616万の被験者で構成されている。
感情認識領域において時間情報は重要であるため、LSTM細胞を用いてデータの時間的ダイナミクスを捉える。
論文 参考訳（メタデータ） (2021-11-04T10:08:22Z) - A Survey on Deep Learning Technique for Video Segmentation [147.0767454918527]
ビデオセグメンテーションは幅広い応用において重要な役割を果たしている。
ディープラーニングベースのアプローチは、ビデオセグメンテーションに特化しており、魅力的なパフォーマンスを提供している。
論文 参考訳（メタデータ） (2021-07-02T15:51:07Z) - Scaling up Search Engine Audits: Practical Insights for Algorithm
Auditing [68.8204255655161]
異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。
複数のデータ収集にまたがる研究インフラの性能を実証する。
仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
論文 参考訳（メタデータ） (2021-06-10T15:49:58Z) - MAFER: a Multi-resolution Approach to Facial Expression Recognition [9.878384185493623]
そこで本稿では,表情認識に携わる深層学習モデルを訓練するための2段階学習手法であるMAFERを提案する。
MAFERの関連する特徴は、タスクに依存しない、すなわち、他の客観的関連技術に補完的に使用できることである。
論文 参考訳（メタデータ） (2021-05-06T07:26:58Z) - Face Anti-Spoofing with Human Material Perception [76.4844593082362]
フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション攻撃から顔認識システムを保護する上で重要な役割を担っている。
我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。
本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
論文 参考訳（メタデータ） (2020-07-04T18:25:53Z)
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。