論文の概要: GaitGuard: Towards Private Gait in Mixed Reality
- arxiv url: http://arxiv.org/abs/2312.04470v2
- Date: Fri, 8 Dec 2023 02:16:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 12:56:06.455154
- Title: GaitGuard: Towards Private Gait in Mixed Reality
- Title(参考訳): GaitGuard: 混合現実におけるプライベート・ゲイトを目指して
- Authors: Diana Romero, Ruchi Jagdish Patel, Athina Markopoulou, Salma Elmalaki,
- Abstract要約: 本稿ではまず,人間の歩行情報を自動的に検出するフレームワークであるGaitExtractを紹介する。
本稿では,AR/MRデバイスのカメラビューに現れる人々の歩行情報を保護するシステムであるGaitGuardを提案する。
- 参考スコア(独自算出の注目度): 3.2392550445029396
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Augmented/Mixed Reality (AR/MR) devices are unique from other mobile systems because of their capability to offer an immersive multi-user collaborative experience. While previous studies have explored privacy and security aspects of multiple user interactions in AR/MR, a less-explored area is the vulnerability of gait privacy. Gait is considered a private state because it is a highly individualistic and a distinctive biometric trait. Thus, preserving gait privacy in emerging AR/MR systems is crucial to safeguard individuals from potential identity tracking and unauthorized profiling. This paper first introduces GaitExtract, a framework designed to automatically detect gait information in humans, shedding light on the nuances of gait privacy in AR/MR. In this paper, we designed GaitExtract, a framework that can automatically detect the outside gait information of a human and investigate the vulnerability of gait privacy in AR. In a user study with 20 participants, our findings reveal that participants were uniquely identifiable with an accuracy of up to 78% using GaitExtract. Consequently, we propose GaitGuard, a system that safeguards gait information of people appearing in the camera view of the AR/MR device. Furthermore, we tested GaitGuard in an MR collaborative application, achieving 22 fps while streaming mitigated frames to the collaborative server. Our user-study survey indicated that users are more comfortable with releasing videos of them walking when GaitGuard is applied to the frames. These results underscore the efficacy and practicality of GaitGuard in mitigating gait privacy concerns in MR contexts.
- Abstract(参考訳): Augmented/Mixed Reality (AR/MR)デバイスは、没入型マルチユーザコラボレーションエクスペリエンスを提供する能力のため、他のモバイルシステムとは異なる。
これまでの研究では、AR/MRにおける複数のユーザインタラクションのプライバシとセキュリティの側面を調査してきたが、あまり調査されていない領域は、歩行プライバシーの脆弱性である。
ゲイトは、非常に個人主義的で独特な生体特性であるため、私的国家と考えられている。
したがって、新興AR/MRシステムにおける歩行プライバシの保護は、個人を潜在的なアイデンティティ追跡や不正なプロファイリングから保護するために不可欠である。
本稿ではまず,人間の歩行情報を自動的に検出するフレームワークであるGaitExtractを紹介し,AR/MRにおける歩行プライバシのニュアンスに光を当てる。
本稿では,人間の歩行情報を自動的に検出し,ARにおける歩行プライバシの脆弱性を調査するフレームワークであるGaitExtractを設計した。
被験者20名を対象に行った調査では,GaitExtractの精度は最大78%であった。
そこで我々は,AR/MRデバイスのカメラビューに現れる人々の歩行情報を保護するシステムであるGaitGuardを提案する。
さらに、MRコラボレーティブアプリケーションでGaitGuardをテストし、コラボレーティブサーバに緩和フレームをストリーミングしながら22fpsを実現した。
ユーザーの調査によると、GaitGuardがフレームに適用されたとき、ユーザーは歩行中のビデオのリリースに慣れている。
これらの結果は、MRコンテキストにおける歩行プライバシーの懸念を軽減するために、GaitGuardの有効性と実用性を強調している。
関連論文リスト
- Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。
本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。
また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
論文 参考訳(メタデータ) (2024-10-22T15:22:53Z) - The Good and The Bad: Exploring Privacy Issues in Retrieval-Augmented
Generation (RAG) [56.67603627046346]
Retrieval-augmented Generation (RAG)は、プロプライエタリおよびプライベートデータによる言語モデルを容易にする強力な技術である。
本研究では,プライベート検索データベースの漏洩に対するRAGシステムの脆弱性を実証する,新たな攻撃手法による実証的研究を行う。
論文 参考訳(メタデータ) (2024-02-23T18:35:15Z) - Privacy-Preserving Gaze Data Streaming in Immersive Interactive Virtual Reality: Robustness and User Experience [11.130411904676095]
アイトラッキングデータが露出すれば、再識別攻撃に使用できる。
対話型VRアプリケーションのためのリアルタイムプライバシメカニズムを評価する手法を開発した。
論文 参考訳(メタデータ) (2024-02-12T14:53:12Z) - Privacy Protectability: An Information-theoretical Approach [4.14084373472438]
本稿では,ビデオストリームをどの程度保護できるかを特徴付けるために,新たなメートル法であるテクストプライバシー保護法を提案する。
プライバシ保護性の定義は情報理論に根ざし,メトリックを推定する効率的なアルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-05-25T04:06:55Z) - 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) - SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。
自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。
本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-29T02:56:40Z) - Robustness Threats of Differential Privacy [70.818129585404]
我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。
本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
論文 参考訳(メタデータ) (2020-12-14T18:59:24Z) - Learning With Differential Privacy [3.618133010429131]
異なるプライバシーは、漏洩に対する適切な保護を約束して救助にやってくる。
データの収集時にランダムな応答技術を使用し、より優れたユーティリティで強力なプライバシを保証します。
論文 参考訳(メタデータ) (2020-06-10T02:04:13Z) - Differential Privacy for Eye Tracking with Temporal Correlations [30.44437258959343]
VRやARメガネなどのヘッドマウントディスプレイは、すでに統合されたアイトラッキングによって市場に出回っている。
眼球運動特性には生体情報が含まれているため、プライバシー上の懸念を適切に扱う必要がある。
本稿では、眼球運動特徴データの統計にさらなる適応を図るために、新しい変換符号化に基づく差分プライバシー機構を提案する。
論文 参考訳(メタデータ) (2020-02-20T19:01:34Z)
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。