論文の概要: CamPro: Camera-based Anti-Facial Recognition
- arxiv url: http://arxiv.org/abs/2401.00151v1
- Date: Sat, 30 Dec 2023 06:20:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 18:42:42.814629
- Title: CamPro: Camera-based Anti-Facial Recognition
- Title(参考訳): CamPro:カメラによるアンチファシアル認識
- Authors: Wenjun Zhu, Yuan Sun, Jiani Liu, Yushi Cheng, Xiaoyu Ji, Wenyuan Xu
- Abstract要約: CamProは、よくパッケージされたコモディティカメラモジュールが、ほとんどPIIを含まない画像を生成することを可能にする。
CamProは、カメライメージ信号プロセッサ(ISP)内の構成設定、すなわち色補正行列とガンマ補正を調整して、対面認識(AFR)を実現する。
その結果,CamPro画像の顔の識別精度は0.3%に大幅に低下するが,非感性視覚アプリケーションにはほとんど影響を与えないことがわかった。
- 参考スコア(独自算出の注目度): 18.976026481720083
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The proliferation of images captured from millions of cameras and the
advancement of facial recognition (FR) technology have made the abuse of FR a
severe privacy threat. Existing works typically rely on obfuscation, synthesis,
or adversarial examples to modify faces in images to achieve anti-facial
recognition (AFR). However, the unmodified images captured by camera modules
that contain sensitive personally identifiable information (PII) could still be
leaked. In this paper, we propose a novel approach, CamPro, to capture inborn
AFR images. CamPro enables well-packed commodity camera modules to produce
images that contain little PII and yet still contain enough information to
support other non-sensitive vision applications, such as person detection.
Specifically, CamPro tunes the configuration setup inside the camera image
signal processor (ISP), i.e., color correction matrix and gamma correction, to
achieve AFR, and designs an image enhancer to keep the image quality for
possible human viewers. We implemented and validated CamPro on a
proof-of-concept camera, and our experiments demonstrate its effectiveness on
ten state-of-the-art black-box FR models. The results show that CamPro images
can significantly reduce face identification accuracy to 0.3\% while having
little impact on the targeted non-sensitive vision application. Furthermore, we
find that CamPro is resilient to adaptive attackers who have re-trained their
FR models using images generated by CamPro, even with full knowledge of
privacy-preserving ISP parameters.
- Abstract(参考訳): 何百万ものカメラから撮影された画像の拡散と顔認識(FR)技術の進歩により、FRの悪用は深刻なプライバシー上の脅威となった。
既存の作品は一般的に、画像中の顔を変えて対顔認識(AFR)を達成するために、難読化、合成、あるいは敵対的な例に依存している。
しかし、機密性のある個人識別情報(PII)を含むカメラモジュールによって撮影された未修正画像は、いまだに漏洩する可能性がある。
本稿では,生まれつきのAFR画像を取得するための新しいアプローチであるCamProを提案する。
CamProは、よくパッケージされたコモディティカメラモジュールが、PIIをほとんど含まないが、人検出などの他の非感度な視覚アプリケーションをサポートするのに十分な情報を含む画像を生成することを可能にする。
具体的には、カメラ画像信号処理装置(isp)内の設定、すなわち色補正行列とガンマ補正を調整してafrを実現し、画像エンハンサーをデザインし、可能な人間のビューアのための画質を維持する。
我々は,概念実証カメラ上でCamProを実装し,その効果を10種類の最先端のブラックボックスFRモデルで実証した。
その結果,CamPro画像の顔の識別精度は0.3\%に低下し,非感度視覚アプリケーションにはほとんど影響を与えなかった。
さらに、CamProは、プライバシ保護ISPパラメータの知識が豊富であっても、CamProが生成した画像を使ってFRモデルを再訓練したアダプティブアタックに対して、耐性があることがわかった。
関連論文リスト
- DiffProtect: Generate Adversarial Examples with Diffusion Models for
Facial Privacy Protection [64.77548539959501]
DiffProtectは最先端の方法よりも自然に見える暗号化画像を生成する。
例えば、CelebA-HQとFFHQのデータセットで24.5%と25.1%の絶対的な改善が達成されている。
論文 参考訳(メタデータ) (2023-05-23T02:45:49Z) - Human-Imperceptible Identification with Learnable Lensless Imaging [12.571999330435801]
認識精度を維持しながら、視覚的プライバシを保護する学習可能なレンズレスイメージングフレームワークを提案する。
得られた画像が人間に知覚できないようにするために, 総変動, 可逆性, 制限された等尺性に基づいて, いくつかの損失関数を設計した。
論文 参考訳(メタデータ) (2023-02-04T22:58:46Z) - Privacy-Enhancing Optical Embeddings for Lensless Classification [17.169529483306103]
私たちは、低価格のLCDとRaspberry Piコンポーネントからプロトタイプを作り、合計で約100USDのコストで開発しています。
提案手法は, 変動マスクパターンを用いて, システムに逆らおうとする敵を阻止する方法を示す。
論文 参考訳(メタデータ) (2022-11-23T11:12:21Z) - 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) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳(メタデータ) (2022-05-24T11:29:37Z) - AirPose: Multi-View Fusion Network for Aerial 3D Human Pose and Shape
Estimation [51.17610485589701]
本研究では,非構造屋外環境のための新しいマーカーレス3次元モーションキャプチャ(MoCap)システムを提案する。
AirPoseは複数の無人飛行カメラで撮影された画像を使って人間のポーズと形状を推定する。
AirPose自体は、事前校正に頼らずに、人のカメラを校正する。
論文 参考訳(メタデータ) (2022-01-20T09:46:20Z) - Privacy-Preserving Pose Estimation for Human-Robot Interaction [8.905235622945254]
プライバシ保護カメラを用いたポーズ推定手法を提案する。
提案システムは,カメラをカバーした透明フィルタにより構成される。
我々は,新しいフィルタ画像データセットを用いて,システムの性能を評価する。
論文 参考訳(メタデータ) (2020-11-14T21:09:53Z) - 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) - DeProCams: Simultaneous Relighting, Compensation and Shape
Reconstruction for Projector-Camera Systems [91.45207885902786]
本稿では,ProCamsの測光および幾何学的マッピングを学習するために,DeProCamsという新しいエンドツーエンドトレーニングモデルを提案する。
DeProCamsは、プロジェクターカメライメージマッピングを、シェーディング属性推定、粗い直接光推定、フォトリアリスティックなニューラルレンダリングの3つのサブプロセスに明示的に分解する。
私たちの実験では、DeProCamsは、期待できる品質と完全に差別化可能な従来の芸術よりも明確な優位性を示している。
論文 参考訳(メタデータ) (2020-03-06T05:49:16Z)
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。