論文の概要: 3D Holistic OR Anonymization

• arxiv url: http://arxiv.org/abs/2405.05261v1
• Date: Mon, 18 Mar 2024 23:32:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 10:40:42.725485
• Title: 3D Holistic OR Anonymization
• Title（参考訳）: 3次元ホロスティックOR匿名化
• Authors: Tony Danjun Wang,
• Abstract要約: 手術室の多視点RGB-Dビデオ記録(OR)を自動的に匿名化する新しい手法を提案する。 匿名化手法は,各画像の顔を異なる顔に置き換えることで,元のデータ分布を保存する。 確立された匿名化法とは対照的に,本手法は2次元空間ではなく,まず3次元空間の顔の局所化を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a novel method that leverages 3D information to automatically anonymize multi-view RGB-D video recordings of operating rooms (OR). Our anonymization method preserves the original data distribution by replacing the faces in each image with different faces so that the data remains suitable for further downstream tasks. In contrast to established anonymization methods, our approach localizes faces in 3D space first rather than in 2D space. Each face is then anonymized by reprojecting a different face back into each camera view, ultimately replacing the original faces in the resulting images. Furthermore, we introduce a multi-view RGB-D dataset, captured during a real operation of experienced surgeons performing laparoscopic surgery on an animal object (swine), which encapsulates typical characteristics of ORs. Finally, we present experimental results evaluated on that dataset, showing that leveraging 3D data can achieve better face localization in OR images and generate more realistic faces than the current state-of-the-art. There has been, to our knowledge, no prior work that addresses the anonymization of multi-view OR recordings, nor 2D face localization that leverages 3D information.
• Abstract（参考訳）: 本稿では,オペレーティングルーム(OR)のマルチビューRGB-Dビデオ記録を自動的に匿名化するために,3D情報を活用する新しい手法を提案する。 匿名化方式では,各画像の顔を異なる顔に置き換えて元のデータ分布を保存し,さらに下流のタスクに適したデータとして保存する。 確立された匿名化法とは対照的に,本手法は2次元空間ではなく,まず3次元空間の顔の局所化を行う。 それぞれの顔は、それぞれのカメラビューに異なる顔を再投影して匿名化され、最終的に結果の画像の元の顔を置き換える。 さらに,動物(スワイン)の腹腔鏡下手術を経験した経験者に対して,ORの典型的特徴をカプセル化した多視点RGB-Dデータセットを提案する。 最後に,そのデータセットを用いて評価した実験結果から,OR画像における3次元データを活用することにより,よりリアルな顔を生成することができることを示した。 我々の知る限り、マルチビューOR記録の匿名化に対処する先行研究や、3D情報を利用した2次元顔のローカライゼーションは存在していない。

関連論文リスト

• G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
  可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。 本稿では,Gtextsuperscript2Faceを提案する。 提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
  論文  参考訳（メタデータ） (2024-08-18T12:36:47Z)
• FitDiff: Robust monocular 3D facial shape and reflectance estimation using Diffusion Models [79.65289816077629]
  拡散型3次元顔アバター生成モデルFitDiffを提案する。 本モデルでは,「近距離」2次元顔画像から抽出したアイデンティティ埋め込みを利用して,再現性のある顔アバターを高精度に生成する。 FitDiffは、顔認識の埋め込みを前提とした最初の3D LDMであり、一般的なレンダリングエンジンで使用可能な、ライティング可能な人間のアバターを再構築する。
  論文  参考訳（メタデータ） (2023-12-07T17:35:49Z)
• DisguisOR: Holistic Face Anonymization for the Operating Room [43.68679886516574]
  手術室における既存の2次元匿名化手法 本稿では,複数のカメラストリームからの3Dデータを用いて,マルチビューOR記録の匿名化を提案する。
  論文  参考訳（メタデータ） (2023-07-26T15:10:54Z)
• Generating 2D and 3D Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution [68.8204255655161]
  マスターフェイス(英: master face)とは、人口の比率の高い顔認証をパスする顔画像である。 2次元および3次元の顔認証モデルに対して,これらの顔の最適化を行う。 3Dでは,2次元スタイルGAN2ジェネレータを用いて顔を生成し,深部3次元顔再構成ネットワークを用いて3次元構造を予測する。
  論文  参考訳（メタデータ） (2022-11-25T09:15:38Z)
• Image-to-Video Generation via 3D Facial Dynamics [78.01476554323179]
  静止画像から様々な映像を生成するために多目的モデルであるFaceAnimeを提案する。 私たちのモデルは、顔ビデオや顔ビデオの予測など、さまざまなAR/VRやエンターテイメントアプリケーションに汎用的です。
  論文  参考訳（メタデータ） (2021-05-31T02:30:11Z)
• OSTeC: One-Shot Texture Completion [86.23018402732748]
  ワンショット3D顔テクスチャ補完のための教師なしアプローチを提案する。 提案手法では,2次元フェースジェネレータで回転画像を再構成することにより,入力画像を3次元で回転させ,見えない領域を埋め込む。 完成したテクスチャーをジェネレーターに投影することで、ターゲットイメージを先取りします。
  論文  参考訳（メタデータ） (2020-12-30T23:53:26Z)
• DeepFaceFlow: In-the-wild Dense 3D Facial Motion Estimation [56.56575063461169]
  DeepFaceFlowは、3D非剛体顔の流れを推定するための堅牢で高速で高精度なフレームワークである。 私たちのフレームワークは、2つの非常に大規模な顔ビデオデータセットでトレーニングされ、テストされました。 登録された画像に対して,60fpsで3次元フローマップを生成する。
  論文  参考訳（メタデータ） (2020-05-14T23:56:48Z)
• Generating Thermal Image Data Samples using 3D Facial Modelling Techniques and Deep Learning Methodologies [0.40611352512781856]
  我々は1つの正面の顔のポーズを用いて3次元の異なる顔のポーズを生成するためにデータセットを使用した。 精製された出力は、コントラスト調整が良く、ノイズレベルが低く、暗黒領域の露出度も高い。 提案した研究の次のフェーズでは、画像の精細化バージョンを使用して3次元顔形状構造を作成する。
  論文  参考訳（メタデータ） (2020-05-05T02:55:14Z)

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。