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

• Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation [56.46932751058042]
  我々は、テキストから画像への拡散モデルのための学習可能なプロンプトプレフィックスをトレーニングし、匿名化された顔のアイデンティティを生成するよう強制する。 実験では,非同一性固有の画像生成の品質を損なうことなく,特定の個人を匿名化するAPLの匿名化性能を実証した。
  論文  参考訳（メタデータ） (2024-05-27T07:38:26Z)
• 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)
• 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)
• Deep Learning-based Anonymization of Chest Radiographs: A Utility-preserving Measure for Patient Privacy [7.240611820374677]
  従来の匿名化処理は、画像中の個人情報をブラックボックスで隠蔽して行う。 このような単純な測定は、胸部X線写真に生体情報を保持し、リンケージ攻撃によって患者の再同定を可能にする。 胸部X線画像の匿名化を目的とした,初となる深層学習型アプローチ(PriCheXy-Net)を提案する。
  論文  参考訳（メタデータ） (2022-09-23T11:36:32Z)
• Face Anonymization by Manipulating Decoupled Identity Representation [5.26916168336451]
  本稿では,顔画像の識別情報をわずかな修正で漏洩から保護する手法を提案する。 具体的には、生成的敵ネットワークの力を利用する他の顔属性と同一性表現を分離する。 モデルの不整合性を回避し、匿名性生成(AIG)を効果的に行う手法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T07:39:54Z)
• 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)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• 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。