論文の概要: MaskAnyone Toolkit: Offering Strategies for Minimizing Privacy Risks and Maximizing Utility in Audio-Visual Data Archiving
- arxiv url: http://arxiv.org/abs/2408.03185v1
- Date: Tue, 6 Aug 2024 13:35:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-07 13:58:07.412888
- Title: MaskAnyone Toolkit: Offering Strategies for Minimizing Privacy Risks and Maximizing Utility in Audio-Visual Data Archiving
- Title（参考訳）: MaskAnyone Toolkit: プライバシリスクの最小化とオーディオ・ビジュアルデータアーカイブにおけるユーザビリティの最大化のための戦略
- Authors: Babajide Alamu Owoyele, Martin Schilling, Rohan Sawahn, Niklas Kaemer, Pavel Zherebenkov, Bhuvanesh Verma, Wim Pouw, Gerard de Melo,
- Abstract要約: 本稿では,研究における音声・視覚データの共有に関するプライバシーと倫理的懸念をナビゲートする新しいツールキットであるMaskAnyoneを紹介する。
MaskAnyoneは、顔のスワッピングと音声の修正を通じて、ビデオやオーディオコンテンツ中の個人を識別するための、スケーラブルでユーザフレンドリーなソリューションを提供する。
- 参考スコア（独自算出の注目度）: 14.339217121537537
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces MaskAnyone, a novel toolkit designed to navigate some privacy and ethical concerns of sharing audio-visual data in research. MaskAnyone offers a scalable, user-friendly solution for de-identifying individuals in video and audio content through face-swapping and voice alteration, supporting multi-person masking and real-time bulk processing. By integrating this tool within research practices, we aim to enhance data reproducibility and utility in social science research. Our approach draws on Design Science Research, proposing that MaskAnyone can facilitate safer data sharing and potentially reduce the storage of fully identifiable data. We discuss the development and capabilities of MaskAnyone, explore its integration into ethical research practices, and consider the broader implications of audio-visual data masking, including issues of consent and the risk of misuse. The paper concludes with a preliminary evaluation framework for assessing the effectiveness and ethical integration of masking tools in such research settings.
- Abstract（参考訳）: 本稿では,研究における音声・視覚データの共有に関するプライバシーと倫理的懸念をナビゲートする新しいツールキットであるMaskAnyoneを紹介する。
MaskAnyoneは、顔のスワッピングと音声の変更によって、ビデオやオーディオコンテンツ中の個人を識別するためのスケーラブルでユーザフレンドリーなソリューションを提供する。
このツールを研究実践に統合することにより、社会科学研究におけるデータの再現性と有用性を高めることを目指す。
われわれのアプローチはDesign Science Researchに基づいており、MaskAnyoneがより安全なデータ共有を容易にし、完全に識別可能なデータの保存を減らせることを提案している。
我々は、MaskAnyoneの開発と能力について論じ、倫理研究の実践への統合を探求し、同意の問題や誤用リスクを含む、音声・視覚データマスキングの幅広い意味について考察する。
本稿は,このような研究環境におけるマスキングツールの有効性と倫理的統合を評価するための予備的評価枠組みで締めくくっている。
関連論文リスト
- Pluralistic Salient Object Detection [108.74650817891984]
本稿では,与えられた入力画像に対して,複数の有意な有意な有意な有意な有意な有意な分割結果を生成することを目的とした新しい課題であるPSOD(multiistic Salient Object Detection)を紹介する。
新たに設計された評価指標とともに,2つのSODデータセット "DUTS-MM" と "DUS-MQ" を提案する。
論文 参考訳（メタデータ） (2024-09-04T01:38:37Z) - Model-Agnostic Utility-Preserving Biometric Information Anonymization [9.413512346732768]
近年のセンサ技術と機械学習技術の急速な進歩は、人々のバイオメトリックスの普遍的な収集と利用を引き起こしている。
生体認証の利用は、本質的なセンシティブな性質と、センシティブな情報を漏洩するリスクが高いため、深刻なプライバシー上の懸念を引き起こしている。
本稿では,生体データに対して,その感度特性を抑え,下流機械学習による解析に関連のある特徴を保持することで,生体データを匿名化できる新しいモダリティ非依存型データ変換フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-23T21:21:40Z) - 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) - Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。
本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。
提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
論文 参考訳（メタデータ） (2023-03-23T13:50:46Z) - 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) - 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) - 3D High-Fidelity Mask Face Presentation Attack Detection Challenge [79.2407530090659]
大規模なHigh-Fidelity Maskデータセット、すなわちCASIA-SURF HiFiMaskが収集された。
我々は,3次元マスクによる攻撃検出の研究を促進するために,3次元高忠実マスク顔提示検出チャレンジを組織した。
論文 参考訳（メタデータ） (2021-08-16T08:40:12Z) - Multi-Dataset Benchmarks for Masked Identification using Contrastive
Representation Learning [0.0]
新型コロナウイルスのパンデミックは世界中で受け入れられた基準を大きく変えた。
パスポート、運転免許証、国籍カードなどの公式文書には、完全な顔画像が登録されている。
空港やセキュリティチェックポイントでは、マスクの取り外しを依頼するのではなく、識別文書の未マスク画像とマスク付き人物とを一致させる方が安全である。
本稿では,マスクとマスクのない顔マッチングに特化した,視覚表現学習に基づく事前学習ワークフローを提案する。
論文 参考訳（メタデータ） (2021-06-10T08:58:10Z) - 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。