論文の概要: Privacy-Preserving in Connected and Autonomous Vehicles Through Vision to Text Transformation

• arxiv url: http://arxiv.org/abs/2506.15854v1
• Date: Wed, 18 Jun 2025 20:02:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.842894
• Title: Privacy-Preserving in Connected and Autonomous Vehicles Through Vision to Text Transformation
• Title（参考訳）: テキスト変換によるコネクテッド・自動運転車のプライバシ保護
• Authors: Abdolazim Rezaei, Mehdi Sookhak, Ahmad Patooghy,
• Abstract要約: 本稿では,フィードバックベース強化学習(RL)と視覚言語モデル(VLM)を活用した,新たなプライバシ保護フレームワークを提案する。 イメージを意味論的に等価なテキスト記述に変換し、視覚的プライバシが保持されている間にシーン関連情報が保持されることを保証する。 評価結果は,プライバシ保護とテキスト品質の両方において,大幅な改善が見られた。
• 参考スコア（独自算出の注目度）: 0.9831489366502302
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Connected and Autonomous Vehicles (CAVs) rely on a range of devices that often process privacy-sensitive data. Among these, roadside units play a critical role particularly through the use of AI-equipped (AIE) cameras for applications such as violation detection. However, the privacy risks associated with captured imagery remain a major concern, as such data can be misused for identity theft, profiling, or unauthorized commercial purposes. While traditional techniques such as face blurring and obfuscation have been applied to mitigate privacy risks, individual privacy remains at risk, as individuals can still be tracked using other features such as their clothing. This paper introduces a novel privacy-preserving framework that leverages feedback-based reinforcement learning (RL) and vision-language models (VLMs) to protect sensitive visual information captured by AIE cameras. The main idea is to convert images into semantically equivalent textual descriptions, ensuring that scene-relevant information is retained while visual privacy is preserved. A hierarchical RL strategy is employed to iteratively refine the generated text, enhancing both semantic accuracy and privacy. Evaluation results demonstrate significant improvements in both privacy protection and textual quality, with the Unique Word Count increasing by approximately 77\% and Detail Density by around 50\% compared to existing approaches.
• Abstract（参考訳）: Connected and Autonomous Vehicles(CAV)は、プライバシに敏感なデータを処理するさまざまなデバイスに依存している。 これらのうち、道路ユニットは、特に違反検出などのアプリケーションにAIE(AIE)カメラを使用することで、重要な役割を果たす。 しかし、キャプチャされた画像に関連するプライバシーリスクは、個人情報の盗難、プロファイリング、または不正な商業目的のために誤用される可能性があるため、大きな懸念事項である。 顔のぼやけや難読化といった従来の技術はプライバシーのリスクを軽減するために応用されてきたが、個人のプライバシーは依然として危険であり、個人は服などの他の機能を使って追跡することができる。 本稿では、フィードバックに基づく強化学習(RL)と視覚言語モデル(VLM)を利用して、AIEカメラが捉えた機密情報を保護する新しいプライバシー保護フレームワークを提案する。 イメージを意味論的に等価なテキスト記述に変換し、視覚的プライバシが保持されている間にシーン関連情報が保持されることを保証する。 階層的なRL戦略を用いて、生成されたテキストを反復的に洗練し、セマンティックな精度とプライバシの両方を高める。 その結果,プライバシ保護とテキスト品質の両面で大きな改善がみられ,Unique Word Count は約77 %,Detail Density は既存のアプローチに比べて約50 %向上した。

関連論文リスト

• Token-Level Privacy in Large Language Models [7.4143291213663955]
  本稿では,文脈情報と意味情報を統合するトークンレベルの新しいプライバシ保護機構であるdchi-stencilを紹介する。 意味的ニュアンスと文脈的ニュアンスの両方を取り入れることで、dchi-stencilはプライバシとユーティリティの堅牢なバランスを実現する。 この研究は、現代の高リスクアプリケーションにおけるプライバシ保護NLPの新しい標準を設定するためのdchi-stencilの可能性を強調している。
  論文  参考訳（メタデータ） (2025-03-05T16:27:25Z)
• Image Privacy Protection: A Survey [32.020322218775526]
  画像は、重要なコミュニケーション媒体として機能し、キーポイントの迅速な理解を容易にする視覚的に係わるフォーマットで情報を提示する。 適切に管理されていない場合、この情報は個人的利益のために搾取に脆弱であり、プライバシー権やその他の法的権利を侵害する可能性がある。 既存のレビューは特定のシナリオによって分類されるか、特定のプライバシー目的によって分類される傾向がある。
  論文  参考訳（メタデータ） (2024-12-05T08:09:25Z)
• 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)
• 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)
• 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 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)
• 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)

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。