論文の概要: GaitGuard: Towards Private Gait in Mixed Reality

• arxiv url: http://arxiv.org/abs/2312.04470v4
• Date: Mon, 06 Jan 2025 19:22:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-08 15:45:55.928729
• 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: GaitGuardは、Augmented/Mixed Reality環境内の歩行プライバシーを保護するリアルタイムシステムである。 本研究は、MRデバイスでビデオフィードが捉えた歩行情報露出のリスクを評価するために、20人の参加者によるユーザ分析を含む。
• 参考スコア（独自算出の注目度）: 3.2392550445029396
• License:
• Abstract: Augmented/Mixed Reality (AR/MR) technologies usher in a new era of immersive, collective experiences, distinctly differentiating them from traditional mobile systems. As these technologies evolve, prioritizing privacy and security is critical. This paper centers on gait privacy, a distinctive biometric vulnerable to revealing sensitive data. We introduce GaitGuard, a real-time system to safeguard gait privacy within MR environments. GaitGuard leverages a multi-threaded framework to efficiently process video frames, incorporating dedicated modules for stream capture, body detection and tracking, and privacy mitigation. This study includes a user analysis involving 20 participants to evaluate the risk of gait information exposure captured by video feeds in MR devices. Through thorough examination, we provide a comparative assessment of different mitigation techniques, analyzing their impact on privacy, video quality, and system efficiency. Our results indicate that GaitGuard significantly diminishes identification risks by up to $68\%$, while sustaining a robust streaming frame rate of $29$ FPS and preserving video clarity. GaitGuard offers a real-time approach to support privacy in MR applications, delivering a holistic solution to mitigate gait information exposure without affecting user experience.
• Abstract（参考訳）: Augmented/Mixed Reality (AR/MR)技術は、没入的で集合的なエクスペリエンスの新しい時代を、従来のモバイルシステムと明確に区別する。 これらの技術が進化するにつれて、プライバシとセキュリティの優先順位付けが重要になる。 本論文は歩行のプライバシーに焦点をあてる。 本稿では,MR環境における歩行プライバシを保護するリアルタイムシステムGaitGuardを紹介する。 GaitGuardはマルチスレッドフレームワークを活用してビデオフレームを効率的に処理し、ストリームキャプチャ、ボディ検出とトラッキング、プライバシーの軽減のための専用のモジュールを組み込む。 本研究は、MRデバイスでビデオフィードが捉えた歩行情報露出のリスクを評価するために、20人の参加者によるユーザ分析を含む。 徹底的な調査を通じて、異なる緩和手法の比較評価を行い、プライバシー、ビデオ品質、システム効率への影響を分析した。 以上の結果から,GaitGuardは識別リスクを最大6,8 %まで大幅に低減する一方,ストリーミングフレームレートは29$ FPSで,ビデオの明瞭さを保っていることが示唆された。 GaitGuardはMRアプリケーションのプライバシをサポートするためのリアルタイムアプローチを提供し、ユーザエクスペリエンスに影響を与えることなく、歩行情報の露出を軽減するための総合的なソリューションを提供する。

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。