論文の概要: VerA: Versatile Anonymization Fit for Clinical Facial Images
- arxiv url: http://arxiv.org/abs/2312.02124v1
- Date: Mon, 4 Dec 2023 18:51:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 14:05:19.544835
- Title: VerA: Versatile Anonymization Fit for Clinical Facial Images
- Title(参考訳): VerA: 臨床顔面画像のためのVersatile anonymization Fit
- Authors: Majed El Helou, Doruk Cetin, Petar Stamenkovic, Fabio Zund
- Abstract要約: VerAは多彩な顔画像の匿名化であり、臨床顔画像に適合する。
VerAは、通常の画像に対する非識別とフォトリアリズムにおいて、最先端の手法よりも優れているか、あるいは同等である。
- 参考スコア(独自算出の注目度): 9.6132148024701
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The escalating legislative demand for data privacy in facial image
dissemination has underscored the significance of image anonymization. Recent
advancements in the field surpass traditional pixelation or blur methods, yet
they predominantly address regular single images. This leaves clinical image
anonymization -- a necessity for illustrating medical interventions -- largely
unaddressed. We present VerA, a versatile facial image anonymization that is
fit for clinical facial images where: (1) certain semantic areas must be
preserved to show medical intervention results, and (2) anonymizing image pairs
is crucial for showing before-and-after results. VerA outperforms or is on par
with state-of-the-art methods in de-identification and photorealism for regular
images. In addition, we validate our results on paired anonymization, and on
the anonymization of both single and paired clinical images with extensive
quantitative and qualitative evaluation.
- Abstract(参考訳): 顔画像の拡散におけるデータのプライバシーに対する立法的要求の増大は、画像の匿名化の重要性を暗示している。
近年のフィールドの進歩は、従来のピクセル化やぼやけの手法を超越している。
臨床画像の匿名化は、医療介入の実施に必要なもので、ほとんど修正されていない。
臨床顔画像に適合する多彩な顔画像匿名化である VerA について,(1) 医療介入の結果を示すために特定の意味領域を保存しなければならないこと,(2) 画像ペアの匿名化は,前・後の結果を示す上で重要である。
veraは、通常の画像の非識別とフォトリアリズムにおいて最先端の手法に匹敵する、あるいは同等である。
また,一対の匿名化と,一対の臨床画像と一対の臨床画像の匿名化について,定量的・質的評価を行った結果について検証した。
関連論文リスト
- 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) - Anonymizing medical case-based explanations through disentanglement [4.006745047019996]
本稿では,画像の同一性や医学的特徴を識別する新しい手法を提案し,それを医用画像の匿名化に適用する。
切り離し機構は、画像内のいくつかの特徴ベクトルを置き換えると同時に、残りの特徴が保存されることを保証する。
また、原画像のアイデンティティを置き換え、匿名化を実現するために、合成プライバシ保護IDを製造するモデルを提案する。
論文 参考訳(メタデータ) (2023-11-08T16:58:58Z) - 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) - Does Image Anonymization Impact Computer Vision Training? [0.0]
コンピュータビジョンモデルのトレーニングにおける画像匿名化が重要なコンピュータビジョンタスクに与える影響について検討する。
従来の画像の匿名化は、特に全身の匿名化において、最終的なモデルの性能に大きな影響を及ぼす。
現実的な匿名化は、顔匿名化の最小性能低下を反映するこの性能低下を軽減することができる。
論文 参考訳(メタデータ) (2023-06-08T12:02:03Z) - GANonymization: A GAN-based Face Anonymization Framework for Preserving
Emotional Expressions [43.017036538109274]
GANonymizationは、表情保存能力を持つ新しい顔匿名化フレームワークである。
提案手法は, 顔の高レベル表現をベースとして, GAN(Generative Adversarial Network)に基づく匿名化バージョンに合成する。
論文 参考訳(メタデータ) (2023-05-03T14:22:48Z) - 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) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳(メタデータ) (2021-04-02T20:52:05Z) - IdentityDP: Differential Private Identification Protection for Face
Images [17.33916392050051]
顔の非識別、別名顔の匿名化は、実際のアイデンティティが隠されている間、同様の外観と同じ背景を持つ別の画像を生成することを指します。
我々は,データ駆動型ディープニューラルネットワークと差分プライバシー機構を組み合わせた顔匿名化フレームワークであるIdentityDPを提案する。
我々のモデルは、顔の識別関連情報を効果的に難読化し、視覚的類似性を保ち、高品質な画像を生成することができる。
論文 参考訳(メタデータ) (2021-03-02T14:26:00Z) - From A Glance to "Gotcha": Interactive Facial Image Retrieval with
Progressive Relevance Feedback [72.29919762941029]
本稿では,目撃者から徐々にフィードバックを得て顔画像を取得するためのエンドツーエンドフレームワークを提案する。
追加のアノテーションを必要とせずに、私たちのモデルは少しのレスポンスの努力を犠牲にして適用できます。
論文 参考訳(メタデータ) (2020-07-30T18:46:25Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳(メタデータ) (2020-03-15T12:45:10Z)
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。