論文の概要: OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition

• arxiv url: http://arxiv.org/abs/2402.18786v1
• Date: Thu, 29 Feb 2024 01:20:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 16:20:46.597785
• Title: OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition
• Title（参考訳）: opticaldr: プライバシー保護型抑うつ認識のための深部光学イメージングモデル
• Authors: Yuchen Pan, Junjun Jiang, Kui Jiang, Zhihao Wu, Keyuan Yu, Xianming Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 66.91236298878383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depression Recognition (DR) poses a considerable challenge, especially in the context of the growing concerns surrounding privacy. Traditional automatic diagnosis of DR technology necessitates the use of facial images, undoubtedly expose the patient identity features and poses privacy risks. In order to mitigate the potential risks associated with the inappropriate disclosure of patient facial images, we design a new imaging system to erase the identity information of captured facial images while retain disease-relevant features. It is irreversible for identity information recovery while preserving essential disease-related characteristics necessary for accurate DR. More specifically, we try to record a de-identified facial image (erasing the identifiable features as much as possible) by a learnable lens, which is optimized in conjunction with the following DR task as well as a range of face analysis related auxiliary tasks in an end-to-end manner. These aforementioned strategies form our final Optical deep Depression Recognition network (OpticalDR). Experiments on CelebA, AVEC 2013, and AVEC 2014 datasets demonstrate that our OpticalDR has achieved state-of-the-art privacy protection performance with an average AUC of 0.51 on popular facial recognition models, and competitive results for DR with MAE/RMSE of 7.53/8.48 on AVEC 2013 and 7.89/8.82 on AVEC 2014, respectively.
• Abstract（参考訳）: 抑うつ認識(DR)は特にプライバシーをめぐる懸念が高まる中で大きな課題となる。 従来のDR技術の自動診断は、顔画像の使用を必要とし、間違いなく患者のアイデンティティー機能を公開する。 患者顔画像の不適切な開示に伴う潜在的なリスクを軽減するため,我々は疾患関連の特徴を維持しつつ,捕獲した顔画像の識別情報を消去する新しい画像システムを構築した。 正確なDRに必要な本質的な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的であり、より具体的には、次のDRタスクと連動して最適化された学習可能なレンズにより、識別不能な顔画像(可能な限りその特徴を推定する)をエンドツーエンドに記録しようとする。 これらの戦略は、我々の最後の光深度認識ネットワーク(OpticalDR)を形成する。 CelebA、AVEC 2013、AVEC 2014データセットの実験によると、私たちのOptoDRは、一般的な顔認識モデルでは平均0.51のAUCで最先端のプライバシ保護性能を達成し、AVEC 2014ではMAE/RMSEが7.53/8.48、AVEC 2014では7.89/8.82の競合結果を達成した。

関連論文リスト

• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• Privacy Protection in MRI Scans Using 3D Masked Autoencoders [2.463789441707266]
  データ匿名化と非識別化は、個人の個人情報のプライバシーと機密性の確保に関係している。 CP-MAE(CP-MAE)を提案する。 私たちの方法では、解像度の高忠実度スキャンを最大2563ドルまで合成することができます。
  論文  参考訳（メタデータ） (2023-10-24T12:25:37Z)
• 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)
• Face Encryption via Frequency-Restricted Identity-Agnostic Attacks [25.198662208981467]
  悪意あるコレクターは、生体情報を簡単に盗むためにディープフェイス認識システムを使用します。 非許可の顔認識から顔画像を暗号化するための周波数制限ID非依存(FRIA)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-11T07:38:46Z)
• 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)
• A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
  新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。 マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。 これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
  論文  参考訳（メタデータ） (2022-11-07T17:20:39Z)
• Conditional De-Identification of 3D Magnetic Resonance Images [29.075173293529947]
  本稿では,顔の特徴を除去する代わりに,顔の特徴をモデル化する新しい非識別手法を提案する。 提案手法は,下流の医療分析を損なうことなく,従来の手法よりもはるかにプライバシーを保護できることを実証する。
  論文  参考訳（メタデータ） (2021-10-18T15:19:35Z)
• Private Facial Diagnosis as an Edge Service for Parkinson's DBS Treatment Valuation [16.425558398408963]
  PD患者に対する深部脳刺激(DBS)の治療を解析するためのエッジ指向のプライバシー保護型顔診断フレームワークを提案する。 PD患者から収集した顔のデータセットを用いた実験では、DBS治療中のPD患者の改善を評価するために顔のパターンが使用できることを初めて示しました。
  論文  参考訳（メタデータ） (2021-05-16T22:24:37Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• 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。