論文の概要: A Privacy Enhancing Technique to Evade Detection by Street Video Cameras Without Using Adversarial Accessories

• arxiv url: http://arxiv.org/abs/2501.15653v1
• Date: Sun, 26 Jan 2025 19:29:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:56:23.339700
• Title: A Privacy Enhancing Technique to Evade Detection by Street Video Cameras Without Using Adversarial Accessories
• Title（参考訳）: 逆アセプタを使わずにストリートビデオカメラによる検出を回避するためのプライバシー向上手法
• Authors: Jacob Shams, Ben Nassi, Satoru Koda, Asaf Shabtai, Yuval Elovici,
• Abstract要約: 我々は、この実験室と現実世界のギャップの新たな副作用、つまり歩行者検出における位置に基づく弱点を活用している。 本研究では, 視覚障害者が視覚障害者の視線を利用して, シーン内の2点間の最小信頼パスを構築することにより, 検出を回避できることを示す。 盲点における歩行者検知器の信頼性向上のための新しい対策を提案し, 提案手法により発生した経路の最大/平均信頼度をそれぞれ0.09と0.05に引き上げた。
• 参考スコア（独自算出の注目度）: 28.431929351359734
• License:
• Abstract: In this paper, we propose a privacy-enhancing technique leveraging an inherent property of automatic pedestrian detection algorithms, namely, that the training of deep neural network (DNN) based methods is generally performed using curated datasets and laboratory settings, while the operational areas of these methods are dynamic real-world environments. In particular, we leverage a novel side effect of this gap between the laboratory and the real world: location-based weakness in pedestrian detection. We demonstrate that the position (distance, angle, height) of a person, and ambient light level, directly impact the confidence of a pedestrian detector when detecting the person. We then demonstrate that this phenomenon is present in pedestrian detectors observing a stationary scene of pedestrian traffic, with blind spot areas of weak detection of pedestrians with low confidence. We show how privacy-concerned pedestrians can leverage these blind spots to evade detection by constructing a minimum confidence path between two points in a scene, reducing the maximum confidence and average confidence of the path by up to 0.09 and 0.13, respectively, over direct and random paths through the scene. To counter this phenomenon, and force the use of more costly and sophisticated methods to leverage this vulnerability, we propose a novel countermeasure to improve the confidence of pedestrian detectors in blind spots, raising the max/average confidence of paths generated by our technique by 0.09 and 0.05, respectively. In addition, we demonstrate that our countermeasure improves a Faster R-CNN-based pedestrian detector's TPR and average true positive confidence by 0.03 and 0.15, respectively.
• Abstract（参考訳）: 本稿では,自動歩行者検出アルゴリズムの固有の特性,すなわちディープニューラルネットワーク(DNN)に基づく手法のトレーニングは,一般にキュレートされたデータセットと実験室の設定を用いて行われ,これらの手法の運用領域は動的現実環境である,というプライバシー向上手法を提案する。 特に、この実験室と現実世界のギャップの新たな副作用として、歩行者検出における位置に基づく弱点を活用している。 本研究は、人の位置(距離、角度、高さ)と周囲光レベルが、人を検出する際の歩行者検出器の信頼性に直接影響を及ぼすことを示した。 この現象は歩行者の交通の定常的なシーンを観察する歩行者探知機に存在し、歩行者の視線が弱く、信頼性が低いことが示される。 本研究では, 視覚障害者が視覚障害者の視線を利用して, シーン内の2点間の最小信頼経路を構築し, 最大信頼度と平均信頼度を最大0.09と0.13に減らし, シーンを通り抜ける直進経路とランダムな経路で検出できることを示す。 この現象に対処し, より費用対効果の高い手法を駆使して, 盲点における歩行者検知器の信頼性向上を図り, 技術によって生成された経路の最大/平均信頼度を0.09と0.05に向上させる新しい対策を提案する。 さらに,この対策により,より高速なR-CNN型歩行者検出器のTPRと,平均真正の信頼度を0.03,0.15改善することが実証された。

関連論文リスト

• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• Sparse Sampling is All You Need for Fast Wrong-way Cycling Detection in CCTV Videos [36.1376919510996]
  本報告では,CCTVビデオにおける不正自転車比の検出に関する問題点を定式化する。 本稿では,WWC予測器と呼ばれるスパースサンプリング手法を提案する。 われわれの手法は、わずか1.475%の誤差率を達成し、わずか19.12%のGPU時間しかかからない。
  論文  参考訳（メタデータ） (2024-05-12T14:16:05Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
  本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。 我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
  論文  参考訳（メタデータ） (2023-09-03T06:35:07Z)
• Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
  自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。 潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。 適応過程を監督する信頼性のある信号はターゲット領域に存在しない。 この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-27T15:07:55Z)
• Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
  ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。 対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
  論文  参考訳（メタデータ） (2021-03-26T01:18:11Z)
• Holistic Grid Fusion Based Stop Line Estimation [5.5476621209686225]
  交差点で前もって停止する場所を知ることは、車両の長手速度を制御する上で必須のパラメータである。 文献における既存の手法のほとんどは、カメラのみを使用して停止線を検出するが、通常は検出範囲の点で不十分である。 本稿では,ステレオカメラやライダーなどの融合多感データを入力として活用し,ニューラルネットワークアーキテクチャを慎重に設計し,停止線を検出する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-18T21:29:06Z)
• Hearing What You Cannot See: Acoustic Vehicle Detection Around Corners [5.4960756528016335]
  このような車両が視界に入る前に、音で接近する車両を検知できることが示される。 我々は,屋根付マイクロホンアレイを備えた研究車両を装着し,このセンサで収集したデータを示す。 車両が視認前に接近している方向を分類するための新しい方法が提示される。
  論文  参考訳（メタデータ） (2020-07-30T20:57:13Z)

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。