Fugu-MT 論文翻訳(概要): Context-Aware Full Body Anonymization using Text-to-Image Diffusion Models

論文の概要: Context-Aware Full Body Anonymization using Text-to-Image Diffusion Models

arxiv url: http://arxiv.org/abs/2410.08551v1
Date: Thu, 17 Oct 2024 14:04:01 GMT
ステータス: 処理完了
システム内更新日: 2024-10-30 23:14:57.432735
Title: Context-Aware Full Body Anonymization using Text-to-Image Diffusion Models
Title（参考訳）: テキスト・画像拡散モデルを用いたコンテキスト認識全体匿名化
Authors: Pascl Zwick, Kevin Roesch, Marvin Klemp, Oliver Bringmann,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.5088726951324294
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Anonymization plays a key role in protecting sensible information of individuals in real world datasets. Self-driving cars for example need high resolution facial features to track people and their viewing direction to predict future behaviour and react accordingly. In order to protect people's privacy whilst keeping important features in the dataset, it is important to replace the full body of a person with a highly detailed anonymized one. In contrast to doing face anonymization, full body replacement decreases the ability of recognizing people by their hairstyle or clothes. In this paper, we propose a workflow for full body person anonymization utilizing Stable Diffusion as a generative backend. Text-to-image diffusion models, like Stable Diffusion, OpenAI's DALL-E or Midjourney, have become very popular in recent time, being able to create photorealistic images from a single text prompt. We show that our method outperforms state-of-the art anonymization pipelines with respect to image quality, resolution, Inception Score (IS) and Frechet Inception Distance (FID). Additionally, our method is invariant with respect to the image generator and thus able to be used with the latest models available.
Abstract（参考訳）: 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。例えば自動運転車は、将来の振る舞いを予測し、それに応じて反応する人々とその視線方向を追跡するために、高解像度の顔機能を必要としている。データセットに重要な特徴を保持しつつ、人々のプライバシを保護するためには、人物の全身を極めて詳細な匿名化で置き換えることが重要である。顔の匿名化とは対照的に、全身の交換は、髪型や衣服で人を認識する能力を低下させる。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。安定拡散(Stable Diffusion)やOpenAIのDALL-E、Midjourney(Midjourney)といったテキスト間拡散モデルは近年非常に人気があり、単一のテキストプロンプトからフォトリアリスティックなイメージを作成することができる。本手法は,画像品質,解像度,インセプションスコア(IS),Frechet Inception Distance(FID)に関して,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。さらに,本手法は画像生成器に対して不変であり,最新のモデルで使用することができる。

関連論文リスト

FAKER: Full-body Anonymization with Human Keypoint Extraction for Real-time Video Deidentification [0.0]
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。
論文参考訳（メタデータ） (2024-08-06T04:59:23Z)
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)
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)
When StyleGAN Meets Stable Diffusion: a $\mathscr{W}_+$ Adapter for Personalized Image Generation [60.305112612629465]
テキストと画像の拡散モデルは、多種多様で高品質でフォトリアリスティックな画像を生成するのに優れている。本稿では,拡散モデルのための拡張されたアイデンティティ保存とアンタングル化を実現するために,StyleGAN 埋め込み空間 $mathcalW_+$ の新たな利用法を提案する。提案手法は,即時記述に適合するだけでなく,一般的なスタイルGAN編集方向に対応可能なパーソナライズされたテキスト・ツー・イメージ出力を生成する。
論文参考訳（メタデータ） (2023-11-29T09:05:14Z)
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)
Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文参考訳（メタデータ） (2023-03-20T17:34:05Z)
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)
Realistic Full-Body Anonymization with Surface-Guided GANs [7.37907896341367]
In-the-wild画像のためのリアルな人間を生成する新しい匿名化手法を提案する。我々の設計の鍵となる部分は、画像と正準3次元表面との間の高密度画素対面対応により、対向ネットを誘導することである。表面誘導は画像品質とサンプルの多様性を著しく改善し、非常に実用的なジェネレータが得られることを示した。
論文参考訳（メタデータ） (2022-01-06T18:57:59Z)
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。