論文の概要: Real-Time Privacy Preservation for Robot Visual Perception

• arxiv url: http://arxiv.org/abs/2505.05519v1
• Date: Thu, 08 May 2025 03:27:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-12 20:40:10.012644
• Title: Real-Time Privacy Preservation for Robot Visual Perception
• Title（参考訳）: ロボット視覚知覚のためのリアルタイムプライバシ保護
• Authors: Minkyu Choi, Yunhao Yang, Neel P. Bhatt, Kushagra Gupta, Sahil Shah, Aditya Rai, David Fridovich-Keil, Ufuk Topcu, Sandeep P. Chinchali,
• Abstract要約: プライバシを保存するための既存のアプローチは、ディープラーニングモデル、差分プライバシ、暗号化に依存している。 我々は,プライバシーに制約のあるビデオストリーミングPCVSを開発し,リアルタイムビデオストリーム内の機密オブジェクトを隠蔽する。 我々は,ロボットにPCVSをリアルタイムに展開し,ロボットが正常に動作していることを示す。
• 参考スコア（独自算出の注目度）: 21.05457265285284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many robots (e.g., iRobot's Roomba) operate based on visual observations from live video streams, and such observations may inadvertently include privacy-sensitive objects, such as personal identifiers. Existing approaches for preserving privacy rely on deep learning models, differential privacy, or cryptography. They lack guarantees for the complete concealment of all sensitive objects. Guaranteeing concealment requires post-processing techniques and thus is inadequate for real-time video streams. We develop a method for privacy-constrained video streaming, PCVS, that conceals sensitive objects within real-time video streams. PCVS takes a logical specification constraining the existence of privacy-sensitive objects, e.g., never show faces when a person exists. It uses a detection model to evaluate the existence of these objects in each incoming frame. Then, it blurs out a subset of objects such that the existence of the remaining objects satisfies the specification. We then propose a conformal prediction approach to (i) establish a theoretical lower bound on the probability of the existence of these objects in a sequence of frames satisfying the specification and (ii) update the bound with the arrival of each subsequent frame. Quantitative evaluations show that PCVS achieves over 95 percent specification satisfaction rate in multiple datasets, significantly outperforming other methods. The satisfaction rate is consistently above the theoretical bounds across all datasets, indicating that the established bounds hold. Additionally, we deploy PCVS on robots in real-time operation and show that the robots operate normally without being compromised when PCVS conceals objects.
• Abstract（参考訳）: 多くのロボット(例えば、iRobotのRoomba)は、ライブビデオストリームからの視覚的な観察に基づいて動作しており、そのような観察には、個人情報のようなプライバシーに敏感なオブジェクトが含まれる可能性がある。 プライバシを保存するための既存のアプローチは、ディープラーニングモデル、差分プライバシ、暗号化に依存している。 それらはすべての機密オブジェクトを完全に隠蔽する保証を欠いている。 隠蔽の保証には後処理技術が必要であるため、リアルタイムのビデオストリームには不十分である。 我々は,プライバシーに制約のあるビデオストリーミングPCVSを開発し,リアルタイムビデオストリーム内の機密情報を隠蔽する。 PCVSは、プライバシーに敏感なオブジェクトの存在を制約する論理的仕様を定めている。 検出モデルを用いて、各受信フレームにおけるこれらのオブジェクトの存在を評価する。 そして、残りのオブジェクトの存在が仕様を満たすように、オブジェクトのサブセットを曖昧にします。 次に、共形予測手法を提案する。 一 明細書を満たす枠の列において、これらの対象の存在の確率に関する理論的下限を確立すること。 (ii)以降のフレームの到着時のバウンダリを更新する。 定量的評価により、PCVSは複数のデータセットにおいて95%以上の仕様満足度を達成し、他の手法よりも著しく優れていることが示された。 満足度は、すべてのデータセットの理論的境界よりも一貫して高く、確立された境界が保持されていることを示している。 さらに,ロボットにPCVSをリアルタイムに展開し,PCVSがオブジェクトを隠蔽する際には,ロボットの動作が損なわれることなく正常に動作することを示す。

関連論文リスト

• Point Cloud Recombination: Systematic Real Data Augmentation Using Robotic Targets for LiDAR Perception Validation [0.0]
  仮想シミュレーションでは、制御された条件下で任意のシーンを生成することができるが、物理的なセンサー特性は欠如している。 実世界のデータは真のセンサーリアリズムを提供するが、影響要因の制御は少ない。 既存のアプローチでは、シーン間でオブジェクトを転送することで、現実のポイントクラウドデータの増大によってこの問題に対処している。 制御された実験室で測定された物理的対象物から取得した点雲を統合することにより,捕獲された点雲シーンを体系的に増強する点雲再結合を提案する。
  論文  参考訳（メタデータ） (2025-05-05T09:00:16Z)
• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)
• Privacy-Preserving Video Anomaly Detection: A Survey [10.899433437231139]
  Video Anomaly Detection (VAD)は、オープンスペースから収集された監視ビデオのパターンを自動的に分析し、物理的接触なしに損傷を引き起こす可能性のある異常事象を検出することを目的としている。 ビデオ伝送と使用における透明性の欠如は、プライバシーと倫理に関する一般の懸念を高め、VADの現実世界の応用を制限する。 近年,データ,特徴,システムなど,さまざまな観点から体系的な研究を行うことによって,VADのプライバシーに関する懸念に焦点が当てられている。 本稿は、P2VADの進歩を初めて体系的にレビューし、その範囲を定義し、直感的な分類法を提供する。
  論文  参考訳（メタデータ） (2024-11-21T20:29:59Z)
• Estimation of Psychosocial Work Environment Exposures Through Video Object Detection. Proof of Concept Using CCTV Footage [0.6632353937719806]
  本稿では,コンピュータビジョンアルゴリズムを用いて,CCTV映像を用いた心理社会的作業環境の側面を推定する。 本稿では,映像中の人物を検出し,追跡する手法の実証について述べる。 顧客と従業員のインタラクションを,ポーズを推定し,出会いの時間を計算することで推定する。
  論文  参考訳（メタデータ） (2024-11-06T07:43:40Z)
• Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
  プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。 本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。 また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• Object-level Scene Deocclusion [92.39886029550286]
  オブジェクトレベルのシーン・デクルージョンのためのPArallel可視・コミュールト拡散フレームワークPACOを提案する。 PACOをトレーニングするために、500kサンプルの大規模なデータセットを作成し、自己教師付き学習を可能にします。 COCOAと様々な現実世界のシーンの実験では、PACOがシーンの排除に優れた能力を示し、芸術の状態をはるかに上回っている。
  論文  参考訳（メタデータ） (2024-06-11T20:34:10Z)
• SHAN: Object-Level Privacy Detection via Inference on Scene Heterogeneous Graph [5.050631286347773]
  プライバシオブジェクト検出は、画像内のプライベートオブジェクトを正確に見つけることを目的としている。 既存の手法は、精度、一般化、解釈可能性の重大な欠陥に悩まされている。 本稿では、画像からシーン異質グラフを構成するモデルであるSHAN(Scene Heterogeneous Graph Attention Network)を提案する。
  論文  参考訳（メタデータ） (2024-03-14T08:32:14Z)
• TeD-SPAD: Temporal Distinctiveness for Self-supervised Privacy-preservation for video Anomaly Detection [59.04634695294402]
  人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。 VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。 本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
  論文  参考訳（メタデータ） (2023-08-21T22:42:55Z)
• Hiding Visual Information via Obfuscating Adversarial Perturbations [47.315523613407244]
  本稿では,データの視覚的プライバシを保護するために,敵対的な視覚情報隠蔽手法を提案する。 具体的には、データの視覚情報を隠蔽する難読化対向摂動を生成する。 認識・分類タスクの実験結果から,提案手法が視覚情報を効果的に隠蔽できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-30T08:23:26Z)
• Privacy-preserving Object Detection [52.77024349608834]
  我々は,COCOにおけるオブジェクト検出において,顔のぼやけによるデータセットの匿名化と,性別や肌のトーン次元に沿ったバランスの取れた顔の交換は,プライバシを保ち,偏りを部分的に保ちながらオブジェクト検出性能を維持することができることを示した。
  論文  参考訳（メタデータ） (2021-03-11T10:34:54Z)

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。