論文の概要: QualitEye: Public and Privacy-preserving Gaze Data Quality Verification

• arxiv url: http://arxiv.org/abs/2506.05908v1
• Date: Fri, 06 Jun 2025 09:27:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.402844
• Title: QualitEye: Public and Privacy-preserving Gaze Data Quality Verification
• Title（参考訳）: QualitEye: 公開とプライバシ保護のためのゲイズデータ品質検証
• Authors: Mayar Elfares, Pascal Reisert, Ralf Küsters, Andreas Bulling,
• Abstract要約: QualitEyeは、画像ベースの視線データ品質を検証する最初の方法である。 これは、検証に必要な情報を含む新しい目像のセマンティック表現を採用する。 我々はMPIIFaceGaze と GazeCapture のデータセット上で QualitEye を評価し,高い検証性能を実現する。
• 参考スコア（独自算出の注目度）: 13.5969071961191
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Gaze-based applications are increasingly advancing with the availability of large datasets but ensuring data quality presents a substantial challenge when collecting data at scale. It further requires different parties to collaborate, therefore, privacy concerns arise. We propose QualitEye--the first method for verifying image-based gaze data quality. QualitEye employs a new semantic representation of eye images that contains the information required for verification while excluding irrelevant information for better domain adaptation. QualitEye covers a public setting where parties can freely exchange data and a privacy-preserving setting where parties cannot reveal their raw data nor derive gaze features/labels of others with adapted private set intersection protocols. We evaluate QualitEye on the MPIIFaceGaze and GazeCapture datasets and achieve a high verification performance (with a small overhead in runtime for privacy-preserving versions). Hence, QualitEye paves the way for new gaze analysis methods at the intersection of machine learning, human-computer interaction, and cryptography.
• Abstract（参考訳）: ガゼベースのアプリケーションは、大規模なデータセットが利用可能になるにつれて、ますます進歩していますが、データ品質を保証することは、大規模なデータ収集において大きな課題になります。 さらに、異なる当事者が協力する必要があるため、プライバシー上の懸念が生じる。 画像に基づく視線データ品質を検証する最初の方法である QualitEye を提案する。 QualitEyeは、より優れたドメイン適応のための無関係な情報を除いて、検証に必要な情報を含む新しいアイイメージのセマンティック表現を採用している。 QualitEyeは、パーティが自由にデータを交換できる公開設定と、プライバシ保護設定をカバーしている。 我々はMPIIFaceGaze と GazeCapture のデータセット上で QualitEye を評価し,高い検証性能(プライバシ保護バージョンでは実行時のオーバーヘッドが小さい)を実現する。 そこでQuilitEyeは、機械学習、人間とコンピュータのインタラクション、そして暗号の交差点で、新しい視線分析方法の道を開いた。

関連論文リスト

• Federated Face Forgery Detection Learning with Personalized Representation [63.90408023506508]
  ディープジェネレータ技術は、区別がつかない高品質のフェイクビデオを制作し、深刻な社会的脅威をもたらす可能性がある。 従来の偽造検出手法は、データを直接集中的に訓練する。 本稿では,個人化表現を用いた新しいフェデレーション顔偽造検出学習を提案する。
  論文  参考訳（メタデータ） (2024-06-17T02:20:30Z)
• 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)
• 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)
• PrivatEyes: Appearance-based Gaze Estimation Using Federated Secure Multi-Party Computation [10.50795947657397]
  PrivatEyesは、フェデレートラーニング(FL)とセキュアマルチパーティ計算(MPC)に基づく外見に基づく視線推定のためのプライバシー向上手法である。 PrivatEyesは、異なるユーザにわたる複数のローカルデータセット上での視線推定器のトレーニングと、個々の推定器のアップデートをサーバベースのセキュアアグリゲーションを可能にする。 新しいデータ漏洩攻撃 DualView は、PrivatEyes が以前のアプローチよりも効果的なプライベートトレーニングデータのリークを制限することを示している。
  論文  参考訳（メタデータ） (2024-02-29T09:19:06Z)
• A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
  プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。 これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。 差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
  論文  参考訳（メタデータ） (2023-09-27T14:38:16Z)
• 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)
• 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)
• Towards End-to-end Video-based Eye-Tracking [50.0630362419371]
  画像のみから視線を推定することは、観察不可能な人固有の要因のために難しい課題である。 本稿では,これらの意味的関係と時間的関係を明確に学習することを目的とした,新しいデータセットとアタッチメント手法を提案する。 視覚刺激からの情報と視線画像の融合が,文献に記録された人物と同じような性能を達成することにつながることを実証した。
  論文  参考訳（メタデータ） (2020-07-26T12:39:15Z)
• Differential Privacy for Eye Tracking with Temporal Correlations [30.44437258959343]
  VRやARメガネなどのヘッドマウントディスプレイは、すでに統合されたアイトラッキングによって市場に出回っている。 眼球運動特性には生体情報が含まれているため、プライバシー上の懸念を適切に扱う必要がある。 本稿では、眼球運動特徴データの統計にさらなる適応を図るために、新しい変換符号化に基づく差分プライバシー機構を提案する。
  論文  参考訳（メタデータ） (2020-02-20T19:01:34Z)

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。