論文の概要: Rendering-Refined Stable Diffusion for Privacy Compliant Synthetic Data

• arxiv url: http://arxiv.org/abs/2412.06248v1
• Date: Mon, 09 Dec 2024 06:47:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:54:44.388038
• Title: Rendering-Refined Stable Diffusion for Privacy Compliant Synthetic Data
• Title（参考訳）: プライバシ適合合成データのためのレンダリング精細安定拡散
• Authors: Kartik Patwari, David Schneider, Xiaoxiao Sun, Chen-Nee Chuah, Lingjuan Lyu, Vivek Sharma,
• Abstract要約: RefSDは3DレンダリングとStable Diffusionを組み合わせたパイプラインである。 姿勢を保たない標準拡散モデルやリアリズムを欠いたGANとは異なり、RefSDは姿勢、リアリズム、カスタマイズのバランスをとる。 HumanGenAIは、人間の知覚と実用性評価のためのフレームワークである。
• 参考スコア（独自算出の注目度）: 38.55332589482467
• License:
• Abstract: Growing privacy concerns and regulations like GDPR and CCPA necessitate pseudonymization techniques that protect identity in image datasets. However, retaining utility is also essential. Traditional methods like masking and blurring degrade quality and obscure critical context, especially in human-centric images. We introduce Rendering-Refined Stable Diffusion (RefSD), a pipeline that combines 3D-rendering with Stable Diffusion, enabling prompt-based control over human attributes while preserving posture. Unlike standard diffusion models that fail to retain posture or GANs that lack realism and flexible attribute control, RefSD balances posture preservation, realism, and customization. We also propose HumanGenAI, a framework for human perception and utility evaluation. Human perception assessments reveal attribute-specific strengths and weaknesses of RefSD. Our utility experiments show that models trained on RefSD pseudonymized data outperform those trained on real data in detection tasks, with further performance gains when combining RefSD with real data. For classification tasks, we consistently observe performance improvements when using RefSD data with real data, confirming the utility of our pseudonymized data.
• Abstract（参考訳）: プライバシの懸念とGDPRやCCPAといった規制の高まりは、イメージデータセットのアイデンティティを保護する偽名化技術を必要とします。 しかし、実用性を維持することも不可欠である。 マスクやぼやけたぼやけといった伝統的な手法は、特に人間中心の画像において、品質と不明瞭な批判的文脈を損なう。 本稿では3次元レンダリングと安定拡散を組み合わせたパイプラインであるRendering-Refined Stable Diffusion(RefSD)を紹介する。 姿勢維持に失敗する標準的な拡散モデルや、現実主義と柔軟な属性制御を持たないGANとは異なり、RefSDは姿勢保存、リアリズム、カスタマイズのバランスをとる。 また,人間の知覚と実用性評価のための枠組みであるHumanGenAIを提案する。 人間の知覚評価は、RefSDの属性固有の長所と短所を明らかにする。 我々の実用実験では、RefSDの擬似化データに基づいて訓練されたモデルは、検出タスクにおいて実データで訓練したモデルよりも優れており、RefSDと実データを組み合わせるとさらなる性能向上が期待できる。 分類タスクでは、実データでRefSDデータを使用する場合の性能改善を一貫して観察し、擬似データの有用性を確認する。

関連論文リスト

• Towards Reliable Verification of Unauthorized Data Usage in Personalized Text-to-Image Diffusion Models [23.09033991200197]
  新しいパーソナライズ技術は、特定のテーマやスタイルのイメージを作成するために、事前訓練されたベースモデルをカスタマイズするために提案されている。 このような軽量なソリューションは、パーソナライズされたモデルが不正なデータからトレーニングされているかどうかに関して、新たな懸念を生じさせる。 我々は、ブラックボックスパーソナライズされたテキスト・ツー・イメージ拡散モデルにおいて、不正なデータ使用を積極的に追跡する新しい手法であるSIRENを紹介する。
  論文  参考訳（メタデータ） (2024-10-14T12:29:23Z)
• Visual Privacy Auditing with Diffusion Models [52.866433097406656]
  本稿では,拡散モデル(DM)に基づくリコンストラクション攻撃を提案する。 本研究では,(1)実世界のデータ漏洩が再建の成功に大きく影響すること,(2)現在のリビルド境界がデータ先行によるリスクをうまくモデル化していないこと,(3)DMは,プライバシー漏洩を可視化するための効果的な監査ツールとして機能すること,を示す。
  論文  参考訳（メタデータ） (2024-03-12T12:18:55Z)
• Reliability in Semantic Segmentation: Can We Use Synthetic Data? [69.28268603137546]
  セマンティックセグメンテーションモデルの現実的信頼性を総合的に評価するために、合成データを具体的に生成する方法を初めて示す。 この合成データは、事前訓練されたセグメンタの堅牢性を評価するために使用される。 セグメンタのキャリブレーションとOOD検出能力を向上するために,我々のアプローチをどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2023-12-14T18:56:07Z)
• Refining the ONCE Benchmark with Hyperparameter Tuning [45.55545585587993]
  本研究は、ポイントクラウドデータに対する半教師付き学習アプローチの評価に焦点を当てる。 データアノテーションは、LiDARアプリケーションのコンテキストにおいて最も重要である。 従来の半教師付き手法による改善は,従来考えられていたほど深くない可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-10T13:39:07Z)
• RARE: Robust Masked Graph Autoencoder [45.485891794905946]
  Masked graph autoencoder (MGAE) は、有望な自己教師付きグラフ事前学習(SGP)パラダイムとして登場した。 本稿では,ロバストmAsked gRaph autoEncoder (RARE) と呼ばれる新しいSGP手法を提案する。
  論文  参考訳（メタデータ） (2023-04-04T03:35:29Z)
• 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)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• AI-based Re-identification of Behavioral Clickstream Data [0.0]
  本論文は, 行動パターンに基づいて, 個人を純粋に同定する上で, 同様の手法が適用可能であることを実証する。 レコード間の振舞いパターンの単なる類似性は、識別された個人に振舞いデータを正しく属性付けるのに十分である。 また、私たちが導入したAIベースの再識別攻撃に対して回復力があることが示されています。
  論文  参考訳（メタデータ） (2022-01-21T16:49:00Z)
• Provably Efficient Causal Reinforcement Learning with Confounded Observational Data [135.64775986546505]
  オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。 提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-22T14:49:33Z)

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。