論文の概要: BLANKET: Anonymizing Faces in Infant Video Recordings

• arxiv url: http://arxiv.org/abs/2512.15542v1
• Date: Wed, 17 Dec 2025 15:49:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:27.047305
• Title: BLANKET: Anonymizing Faces in Infant Video Recordings
• Title（参考訳）: BLANKET:幼少期のビデオ録画で顔の匿名化
• Authors: Ditmar Hadera, Jan Cech, Miroslav Purkrabek, Matej Hoffmann,
• Abstract要約: BLANKETは、乳幼児の顔をビデオ録画で匿名化し、重要な顔属性を保存するための新しいアプローチである。 本手法は,乳児の短いビデオ記録のデータセットを用いて評価し,一般的な匿名化手法であるDeepPrivacy2と比較した。
• 参考スコア（独自算出の注目度）: 3.049887057143419
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Ensuring the ethical use of video data involving human subjects, particularly infants, requires robust anonymization methods. We propose BLANKET (Baby-face Landmark-preserving ANonymization with Keypoint dEtection consisTency), a novel approach designed to anonymize infant faces in video recordings while preserving essential facial attributes. Our method comprises two stages. First, a new random face, compatible with the original identity, is generated via inpainting using a diffusion model. Second, the new identity is seamlessly incorporated into each video frame through temporally consistent face swapping with authentic expression transfer. The method is evaluated on a dataset of short video recordings of babies and is compared to the popular anonymization method, DeepPrivacy2. Key metrics assessed include the level of de-identification, preservation of facial attributes, impact on human pose estimation (as an example of a downstream task), and presence of artifacts. Both methods alter the identity, and our method outperforms DeepPrivacy2 in all other respects. The code is available as an easy-to-use anonymization demo at https://github.com/ctu-vras/blanket-infant-face-anonym.
• Abstract（参考訳）: 人間の被験者、特に幼児を含むビデオデータの倫理的利用を保証するには、堅牢な匿名化方法が必要である。 BLANKET (Baby-face Landmark-Reserving Anonymization with Keypoint dEtection consisTency) は, 乳幼児の顔の映像記録における匿名化と, 顔の特徴の保存を両立させる手法である。 方法には2つの段階がある。 第一に、元のアイデンティティと互換性のある新しいランダムフェースを拡散モデルを用いて塗装により生成する。 第二に、新しいアイデンティティは、時間的に一貫した顔スワップと真の表現伝達によって、各ビデオフレームにシームレスに組み込まれている。 本手法は,乳児の短いビデオ記録のデータセットを用いて評価し,一般的な匿名化手法であるDeepPrivacy2と比較した。 評価された主要な指標には、識別解除のレベル、顔属性の保存、人間のポーズ推定への影響(下流タスクの例)、アーティファクトの存在などが含まれる。 どちらのメソッドもアイデンティティを変更し、私たちのメソッドは他のあらゆる点でDeepPrivacy2よりも優れています。 コードはhttps://github.com/ctu-vras/blanket-infant-face-anonymで簡単に使える匿名化デモとして提供されている。

関連論文リスト

• NullFace: Training-Free Localized Face Anonymization [47.465206562914396]
  重要な非同一性関連属性を保存した顔匿名化のためのトレーニング不要手法を提案する。 提案手法では,最適化や訓練を必要とせず,事前学習したテキスト・画像拡散モデルを用いる。 その柔軟性、堅牢性、実用性は、現実世界のアプリケーションに適しています。
  論文  参考訳（メタデータ） (2025-03-11T14:29:37Z)
• iFADIT: Invertible Face Anonymization via Disentangled Identity Transform [51.123936665445356]
  顔の匿名化は、個人のプライバシーを保護するために顔の視覚的アイデンティティを隠すことを目的としている。 Invertible Face Anonymization の頭字語 iFADIT を Disentangled Identity Transform を用いて提案する。
  論文  参考訳（メタデータ） (2025-01-08T10:08:09Z)
• Face Anonymization Made Simple [44.24233169815565]
  現在の顔の匿名化技術は、しばしば、不正確で信頼性の低い顔認識モデルによって計算されたアイデンティティ損失に依存する。 対照的に,本手法では再建損失のみを伴う拡散モデルを用いて,顔のランドマークやマスクの必要性を排除している。 本モデルは,アイデンティティの匿名化,顔の保存,画質の3つの重要な領域において,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-11-01T17:45:21Z)
• 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)
• GANonymization: A GAN-based Face Anonymization Framework for Preserving Emotional Expressions [43.017036538109274]
  GANonymizationは、表情保存能力を持つ新しい顔匿名化フレームワークである。 提案手法は, 顔の高レベル表現をベースとして, GAN(Generative Adversarial Network)に基づく匿名化バージョンに合成する。
  論文  参考訳（メタデータ） (2023-05-03T14:22:48Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• Practical Digital Disguises: Leveraging Face Swaps to Protect Patient Privacy [1.7249222048792818]
  プライバシー保護のための顔交換は、研究の活発な領域として現れている。 本研究の主な貢献は,小児の自閉症症状の標準的な評価ビデオのための,エンドツーエンドの顔交換パイプラインである。
  論文  参考訳（メタデータ） (2022-04-07T16:34:15Z)
• Face Anonymization by Manipulating Decoupled Identity Representation [5.26916168336451]
  本稿では,顔画像の識別情報をわずかな修正で漏洩から保護する手法を提案する。 具体的には、生成的敵ネットワークの力を利用する他の顔属性と同一性表現を分離する。 モデルの不整合性を回避し、匿名性生成(AIG)を効果的に行う手法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T07:39:54Z)

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。