論文の概要: My Body My Choice: Human-Centric Full-Body Anonymization

• arxiv url: http://arxiv.org/abs/2406.09553v1
• Date: Thu, 13 Jun 2024 19:40:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-17 17:24:36.169010
• Title: My Body My Choice: Human-Centric Full-Body Anonymization
• Title（参考訳）: ボディー・マイ・チョイス:人間中心のフルボディ匿名化
• Authors: Umur Aybars Ciftci, Ali Kemal Tanriverdi, Ilke Demir,
• Abstract要約: 「ボディー・マイ・チョイス」(MBMC)は、物理的および敵対的な匿名化を、取り外しやスワップによって実現している。 我々は,7つのデータセットの匿名化を評価し,SOTAの塗装法や匿名化法と比較し,画像,逆数,生成指標による評価を行った。
• 参考スコア（独自算出の注目度）: 1.2380394017076968
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In an era of increasing privacy concerns for our online presence, we propose that the decision to appear in a piece of content should only belong to the owner of the body. Although some automatic approaches for full-body anonymization have been proposed, human-guided anonymization can adapt to various contexts, such as cultural norms, personal relations, esthetic concerns, and security issues. ''My Body My Choice'' (MBMC) enables physical and adversarial anonymization by removal and swapping approaches aimed for four tasks, designed by single or multi, ControlNet or GAN modules, combining several diffusion models. We evaluate anonymization on seven datasets; compare with SOTA inpainting and anonymization methods; evaluate by image, adversarial, and generative metrics; and conduct reidentification experiments.
• Abstract（参考訳）: オンライン存在に対するプライバシーの懸念が高まっている時代には、コンテンツの一部に表示される決定は、身体の所有者に限られるべきである、と提案する。 全身匿名化のためのいくつかの自動的アプローチが提案されているが、人間誘導匿名化は、文化的規範、個人関係、審美的関心事、セキュリティ問題など、様々な文脈に適応することができる。 「My Body My Choice」(MBMC)は、シングル、マルチ、コントロールネット、GANモジュールで設計され、複数の拡散モデルを組み合わせた4つのタスクのためのアプローチを除去・交換することで、物理的および敵対的な匿名化を可能にする。 我々は,7つのデータセットにおける匿名化の評価,SOTAの塗装法と匿名化法との比較,画像,逆数,生成指標による評価,再同定実験を行った。

関連論文リスト

• Context-Aware Full Body Anonymization using Text-to-Image Diffusion Models [1.5088726951324294]
  匿名化は、現実世界のデータセットにおける個人の賢明な情報を保護する上で重要な役割を担っている。 本稿では,Stable Diffusionを生成バックエンドとして利用する全身匿名化のためのワークフローを提案する。 提案手法は,画像品質,解像度,インセプションスコア(IS),Frechet Inception Distance(FID)に対して,最先端の匿名化パイプラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-11T06:04:30Z)
• Facial Identity Anonymization via Intrinsic and Extrinsic Attention Distraction [12.12653214552672]
  本研究は,本質的および外生的アイデンティティの注意をそらすことによって,新たな顔の匿名化手法を提案する。 当社のアプローチでは,顔の外観や形状を柔軟かつ直感的に操作することで,多様な結果が得られる。 ユーザに対して、パーソナライズされた匿名化の実行を指示するためにも使用できる。
  論文  参考訳（メタデータ） (2024-06-25T02:07:55Z)
• Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation [56.46932751058042]
  我々は、テキストから画像への拡散モデルのための学習可能なプロンプトプレフィックスをトレーニングし、匿名化された顔のアイデンティティを生成するよう強制する。 実験では,非同一性固有の画像生成の品質を損なうことなく,特定の個人を匿名化するAPLの匿名化性能を実証した。
  論文  参考訳（メタデータ） (2024-05-27T07:38:26Z)
• 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)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)
• DeepPrivacy2: Towards Realistic Full-Body Anonymization [0.0]
  人物と顔の現実的な匿名化のための新しい匿名化フレームワーク(DeepPrivacy2)を提案する。 人間の図形合成のための大規模で多様なデータセットを導入し、画像の画質と多様性を大幅に改善する。
  論文  参考訳（メタデータ） (2022-11-17T10:52:27Z)
• Learnable Privacy-Preserving Anonymization for Pedestrian Images [27.178354411900127]
  本稿では,歩行者画像における新たなプライバシー保護匿名化問題について検討する。 認証されたモデルに対する個人識別情報(PII)を保存し、PIIが第三者によって認識されないようにする。 本稿では,全体匿名画像の可逆的生成が可能な共同学習可逆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） (2022-07-24T07:04:16Z)
• 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)
• 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)
• InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
  視覚データに流出した個人情報を個人が制限できる技術について検討する。 我々はこの問題を新しい画像難読化フレームワークで解決する。 提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
  論文  参考訳（メタデータ） (2020-05-20T19:48:04Z)
• CIAGAN: Conditional Identity Anonymization Generative Adversarial Networks [12.20367903755194]
  CIAGANは条件付き生成対向ネットワークに基づく画像およびビデオの匿名化モデルである。 このモデルでは,高品質な画像や映像を制作しながら,顔や身体の特徴を識別できる。
  論文  参考訳（メタデータ） (2020-05-19T15:56:08Z)

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。