論文の概要: SVIA: A Street View Image Anonymization Framework for Self-Driving Applications

• arxiv url: http://arxiv.org/abs/2501.09393v1
• Date: Thu, 16 Jan 2025 09:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:10:15.616992
• Title: SVIA: A Street View Image Anonymization Framework for Self-Driving Applications
• Title（参考訳）: SVIA: 自動運転アプリケーションのためのストリートビュー画像匿名化フレームワーク
• Authors: Dongyu Liu, Xuhong Wang, Cen Chen, Yanhao Wang, Shengyue Yao, Yilun Lin,
• Abstract要約: 自動運転アプリケーションのためのストリートビュー画像匿名化フレームワークを提案する。 SVIAフレームワークは、セマンティックセグメンタ、プライバシに敏感な領域の代替を生成するインペイント、修正された領域をシームレスに縫合するハーモナイザの3つの統合コンポーネントで構成されている。 既存の方法と比較して、SVIAは画像生成の品質とプライバシ保護のトレードオフをはるかに改善している。
• 参考スコア（独自算出の注目度）: 18.30159119462861
• License:
• Abstract: In recent years, there has been an increasing interest in image anonymization, particularly focusing on the de-identification of faces and individuals. However, for self-driving applications, merely de-identifying faces and individuals might not provide sufficient privacy protection since street views like vehicles and buildings can still disclose locations, trajectories, and other sensitive information. Therefore, it remains crucial to extend anonymization techniques to street view images to fully preserve the privacy of users, pedestrians, and vehicles. In this paper, we propose a Street View Image Anonymization (SVIA) framework for self-driving applications. The SVIA framework consists of three integral components: a semantic segmenter to segment an input image into functional regions, an inpainter to generate alternatives to privacy-sensitive regions, and a harmonizer to seamlessly stitch modified regions to guarantee visual coherence. Compared to existing methods, SVIA achieves a much better trade-off between image generation quality and privacy protection, as evidenced by experimental results for five common metrics on two widely used public datasets.
• Abstract（参考訳）: 近年,画像の匿名化への関心が高まっている。 しかし、自動運転アプリケーションでは、単に顔や個人を識別するだけでは、車両や建物のようなストリートビューが、場所、軌跡、その他の機密情報を開示できるため、十分なプライバシー保護を提供しない可能性がある。 そのため、利用者、歩行者、車両のプライバシーを完全に保護するために、ストリートビュー画像への匿名化技術の拡張が不可欠である。 本稿では,自動運転アプリケーションのためのストリートビュー画像匿名化(SVIA)フレームワークを提案する。 SVIAフレームワークは、入力画像を機能領域に分割するセグメンテーションセグメンタ、プライバシに敏感な領域の代替を生成するインペータ、視覚的コヒーレンスを保証するために修正された領域をシームレスに縫合するハーモナイザの3つの統合コンポーネントで構成されている。 既存の手法と比較して、SVIAは画像生成の品質とプライバシ保護のトレードオフをはるかに良く達成している。

関連論文リスト

• 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)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• 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)
• Privacy-Preserving Face Recognition with Learnable Privacy Budgets in Frequency Domain [77.8858706250075]
  本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。 本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
  論文  参考訳（メタデータ） (2022-07-15T07:15:36Z)
• 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)
• IdentityDP: Differential Private Identification Protection for Face Images [17.33916392050051]
  顔の非識別、別名顔の匿名化は、実際のアイデンティティが隠されている間、同様の外観と同じ背景を持つ別の画像を生成することを指します。 我々は,データ駆動型ディープニューラルネットワークと差分プライバシー機構を組み合わせた顔匿名化フレームワークであるIdentityDPを提案する。 我々のモデルは、顔の識別関連情報を効果的に難読化し、視覚的類似性を保ち、高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2021-03-02T14:26:00Z)
• Toward Privacy and Utility Preserving Image Representation [26.768476643200664]
  本稿では,プライバシ保護のための画像表現の新規な課題について検討する。 本稿では,AIA(Adversarial Image Anonymizer)と呼ばれる原理的フレームワークを提案する。 AIAはまず、生成モデルを用いて画像表現を作成し、次に、敵対学習を用いて学習した画像表現を拡張して、与えられたタスクのプライバシーと有用性を維持する。
  論文  参考訳（メタデータ） (2020-09-30T01:25:00Z)
• 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)
• 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。