論文の概要: FAKER: Full-body Anonymization with Human Keypoint Extraction for Real-time Video Deidentification

• arxiv url: http://arxiv.org/abs/2408.11829v1
• Date: Tue, 6 Aug 2024 04:59:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-25 14:01:15.518213
• Title: FAKER: Full-body Anonymization with Human Keypoint Extraction for Real-time Video Deidentification
• Title（参考訳）: FAKER:リアルタイムビデオ識別のための人間のキーポイント抽出によるフルボディ匿名化
• Authors: Byunghyun Ban, Hyoseok Lee,
• Abstract要約: 本稿では,ビデオ中の個人をリアルタイムに完全匿名化するために,はるかに小さなモデルを用いた新しいアプローチを提案する。 ポーズ推定アルゴリズムを利用することで、個人の位置、動き、姿勢に関する情報を正確に表現する。 このアルゴリズムは、様々な産業環境にインストールされたCCTVやIPカメラシステムにシームレスに統合することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In the contemporary digital era, protection of personal information has become a paramount issue. The exponential growth of the media industry has heightened concerns regarding the anonymization of individuals captured in video footage. Traditional methods, such as blurring or pixelation, are commonly employed, while recent advancements have introduced generative adversarial networks (GAN) to redraw faces in videos. In this study, we propose a novel approach that employs a significantly smaller model to achieve real-time full-body anonymization of individuals in videos. Unlike conventional techniques that often fail to effectively remove personal identification information such as skin color, clothing, accessories, and body shape while our method successfully eradicates all such details. Furthermore, by leveraging pose estimation algorithms, our approach accurately represents information regarding individuals' positions, movements, and postures. This algorithm can be seamlessly integrated into CCTV or IP camera systems installed in various industrial settings, functioning in real-time and thus facilitating the widespread adoption of full-body anonymization technology.
• Abstract（参考訳）: 現代デジタル時代には、個人情報の保護が最重要課題となっている。 メディア産業の指数的な成長は、ビデオ映像で捉えた個人の匿名化に関する懸念を高めている。 ぼやけたり、ピクセル化といった従来の手法が一般的であるが、近年の進歩により、映像中の顔を再描画するための生成的敵ネットワーク(GAN)が導入されている。 本研究では,ビデオ中の個人をリアルタイムに完全匿名化するために,より小さなモデルを用いた新しいアプローチを提案する。 肌の色、衣服、アクセサリー、体形などの個人識別情報を効果的に除去するのに失敗する従来の手法とは異なり、本手法はこれらすべての詳細を効果的に消去する。 さらに、ポーズ推定アルゴリズムを利用して、個人の位置、動き、姿勢に関する情報を正確に表現する。 このアルゴリズムは、様々な産業環境にインストールされたCCTVやIPカメラシステムにシームレスに統合され、リアルタイムに機能し、フルボディの匿名化技術の普及を促進する。

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)
• CausalVE: Face Video Privacy Encryption via Causal Video Prediction [13.577971999457164]
  ビデオやライブストリーミングのWebサイトの普及に伴い、公開対面のビデオ配信とインタラクションは、プライバシー上のリスクを増大させる。 これらの欠点に対処するニューラルネットワークフレームワークCausalVEを提案する。 我々のフレームワークは、公開ビデオの拡散において優れたセキュリティを有し、定性的、量的、視覚的な観点から最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-09-28T10:34:22Z)
• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。 この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。 我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• 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)
• 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 Forgery Detection Based on Facial Region Displacement Trajectory Series [10.338298543908339]
  本研究では,顔領域変位の軌跡に基づく操作映像の検出手法を開発した。 この情報を用いて、操作されたビデオの軌跡列に多次元のアーティファクトを露呈するネットワークを構築した。
  論文  参考訳（メタデータ） (2022-12-07T14:47:54Z)
• 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)
• Toward Accurate Person-level Action Recognition in Videos of Crowded Scenes [131.9067467127761]
  我々は、シーンの情報を完全に活用し、新しいデータを集めることで、アクション認識を改善することに集中する。 具体的には、各フレームの空間的位置を検出するために、強い人間の検出器を採用する。 そして、行動認識モデルを適用して、HIEデータセットとインターネットから多様なシーンを持つ新しいデータの両方でビデオフレームから時間情報を学ぶ。
  論文  参考訳（メタデータ） (2020-10-16T13:08:50Z)
• 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)
• 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。