論文の概要: Adversary-Guided Motion Retargeting for Skeleton Anonymization

• arxiv url: http://arxiv.org/abs/2405.05428v1
• Date: Wed, 8 May 2024 21:18:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-10 14:42:14.332922
• Title: Adversary-Guided Motion Retargeting for Skeleton Anonymization
• Title（参考訳）: 骨格匿名化のための逆ガイド型モーションリターゲティング
• Authors: Thomas Carr, Depeng Xu, Aidong Lu,
• Abstract要約: 動作は、ユーザの動きをダミー骨格に移す際に匿名化に有効である。 本稿では,プライバシ中心のDeep Motion Retargeting Model (PMR)を提案する。
• 参考スコア（独自算出の注目度）: 2.952177779219163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Skeleton-based motion visualization is a rising field in computer vision, especially in the case of virtual reality (VR). With further advancements in human-pose estimation and skeleton extracting sensors, more and more applications that utilize skeleton data have come about. These skeletons may appear to be anonymous but they contain embedded personally identifiable information (PII). In this paper we present a new anonymization technique that is based on motion retargeting, utilizing adversary classifiers to further remove PII embedded in the skeleton. Motion retargeting is effective in anonymization as it transfers the movement of the user onto the a dummy skeleton. In doing so, any PII linked to the skeleton will be based on the dummy skeleton instead of the user we are protecting. We propose a Privacy-centric Deep Motion Retargeting model (PMR) which aims to further clear the retargeted skeleton of PII through adversarial learning. In our experiments, PMR achieves motion retargeting utility performance on par with state of the art models while also reducing the performance of privacy attacks.
• Abstract（参考訳）: 骨格に基づくモーションヴィジュアライゼーションは、特に仮想現実(VR)の場合、コンピュータビジョンにおける上昇する分野である。 人体推定と骨格抽出センサーのさらなる進歩により、骨格データを利用するアプリケーションが増えてきている。 これらの骨格は匿名のように見えるが、埋め込まれた個人識別情報(PII)を含んでいる。 本稿では, 骨格に埋め込まれたPIIをさらに除去するために, 逆分類器を用いて, 動き再ターゲティングに基づく新しい匿名化手法を提案する。 動作再ターゲティングは、ユーザの動きをダミー骨格に移す際に匿名化に有効である。 そうすることで、スケルトンにリンクされた任意のPIIは、私たちが保護しているユーザーの代わりにダミースケルトンをベースとします。 本稿では,PIIの再ターゲット骨格をさらに明確化することを目的とした,プライバシ中心のDeep Motion Retargeting Model (PMR)を提案する。 我々の実験では、PMRは最先端モデルと同等のモーションリターゲティングユーティリティ性能を達成しつつ、プライバシ攻撃の性能を低下させる。

関連論文リスト

• Towards Physical World Backdoor Attacks against Skeleton Action Recognition [21.261855773907616]
  スケルトン行動認識(SAR)は、ヒト骨格構造の効率的な表現において大きな関心を集めている。 近年の研究では、SARモデル、特に敵の攻撃に対する脆弱性に対するセキュリティ上の懸念が高まっている。 SARに対する物理的バックドアアタックの最初の調査であるPhysical Skeleton Backdoor Attacks (PSBA)を紹介した。
  論文  参考訳（メタデータ） (2024-08-16T11:29:33Z)
• SkeleTR: Towrads Skeleton-based Action Recognition in the Wild [86.03082891242698]
  SkeleTRは骨格に基づく行動認識のための新しいフレームワークである。 まず、グラフ畳み込みによる各骨格配列の人体内骨格力学をモデル化する。 次に、スタック化されたTransformerエンコーダを使用して、一般的なシナリオにおけるアクション認識に重要な人物のインタラクションをキャプチャする。
  論文  参考訳（メタデータ） (2023-09-20T16:22:33Z)
• Pose-aware Attention Network for Flexible Motion Retargeting by Body Part [17.637846838499737]
  モーションはコンピュータグラフィックスとコンピュータビジョンの基本的な問題である。 既存のアプローチには、通常多くの厳格な要件がある。 本稿では,新しいフレキシブル・モーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-13T08:49:29Z)
• ViA: View-invariant Skeleton Action Representation Learning via Motion Retargeting [10.811088895926776]
  ViAは、自己教師付き骨格行動表現学習のための新しいビュー不変オートエンコーダである。 本研究では,実世界のデータに基づく自己教師付き事前学習による骨格に基づく行動認識のための移動学習に焦点を当てた研究を行う。 以上の結果から,ViAから得られた骨格表現は,最先端の動作分類精度を向上させるのに十分であることがわかった。
  論文  参考訳（メタデータ） (2022-08-31T18:49:38Z)
• Joint-bone Fusion Graph Convolutional Network for Semi-supervised Skeleton Action Recognition [65.78703941973183]
  本稿では,CD-JBF-GCNをエンコーダとし,ポーズ予測ヘッドをデコーダとして使用する新しい相関駆動型ジョイントボーン・フュージョングラフ畳み込みネットワークを提案する。 具体的には、CD-JBF-GCは、関節ストリームと骨ストリームの間の運動伝達を探索することができる。 自己教師型トレーニング段階におけるポーズ予測に基づくオートエンコーダにより、未ラベルデータから動作表現を学習することができる。
  論文  参考訳（メタデータ） (2022-02-08T16:03:15Z)
• MoCaNet: Motion Retargeting in-the-wild via Canonicalization Networks [77.56526918859345]
  そこで本研究では,制御された環境から3次元動作タスクを実現する新しいフレームワークを提案する。 モーションキャプチャシステムや3D再構成手順を使わずに、2Dモノクロ映像のキャラクタから3Dキャラクタへの体動を可能にする。
  論文  参考訳（メタデータ） (2021-12-19T07:52:05Z)
• Temporal Shuffling for Defending Deep Action Recognition Models against Adversarial Attacks [67.58887471137436]
  本研究では,動作認識モデルに対する対人攻撃に対して,入力ビデオの時間的シャッフルを用いた新しい防御手法を開発した。 我々の知る限りでは、これは3D CNNに基づく映像行動認識モデルのための追加トレーニングなしで防御方法を設計する最初の試みである。
  論文  参考訳（メタデータ） (2021-12-15T06:57:01Z)
• Anonymization for Skeleton Action Recognition [6.772319578308409]
  我々は,スケルトンデータセットから潜在的なプライバシー漏洩を保護するために,匿名化アルゴリズムの2つの変種を提案する。 実験結果から、匿名化されたデータセットは、動作認識性能に限界効果がある一方で、プライバシー漏洩のリスクを低減できることが示された。
  論文  参考訳（メタデータ） (2021-11-30T05:13:20Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)

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。