論文の概要: GDPR-Compliant Person Recognition in Industrial Environments Using MEMS-LiDAR and Hybrid Data
- arxiv url: http://arxiv.org/abs/2602.01764v1
- Date: Mon, 02 Feb 2026 07:48:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.989903
- Title: GDPR-Compliant Person Recognition in Industrial Environments Using MEMS-LiDAR and Hybrid Data
- Title（参考訳）: MEMS-LiDARとハイブリッドデータを用いた産業環境におけるGDPR対応人物認識
- Authors: Dennis Basile, Dennis Sprute, Helene Dörksen, Holger Flatt,
- Abstract要約: 本稿では,マイクロ・エレクトロ・メカニカル・システム・LiDAR(MEMS-LiDAR)に基づくプライバシに準拠したアプローチを提案する。
MEMS-LiDARは匿名化された3Dポイントクラウドのみをキャプチャし、個人識別機能を回避する。
その結果,実データのみを訓練したモデルと比較して,ハイブリッドデータの平均精度は44ポイント向上した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The reliable detection of unauthorized individuals in safety-critical industrial indoor spaces is crucial to avoid plant shutdowns, property damage, and personal hazards. Conventional vision-based methods that use deep-learning approaches for person recognition provide image information but are sensitive to lighting and visibility conditions and often violate privacy regulations, such as the General Data Protection Regulation (GDPR) in the European Union. Typically, detection systems based on deep learning require annotated data for training. Collecting and annotating such data, however, is highly time-consuming and due to manual treatments not necessarily error free. Therefore, this paper presents a privacy-compliant approach based on Micro-Electro-Mechanical Systems LiDAR (MEMS-LiDAR), which exclusively captures anonymized 3D point clouds and avoids personal identification features. To compensate for the large amount of time required to record real LiDAR data and for post-processing and annotation, real recordings are augmented with synthetically generated scenes from the CARLA simulation framework. The results demonstrate that the hybrid data improves the average precision by 44 percentage points compared to a model trained exclusively with real data while reducing the manual annotation effort by 50 %. Thus, the proposed approach provides a scalable, cost-efficient alternative to purely real-data-based methods and systematically shows how synthetic LiDAR data can combine high performance in person detection with GDPR compliance in an industrial environment.
- Abstract（参考訳）: 安全上重要な工業屋内空間における無許可の個人を確実に検出することは、プラントの停止、財産の被害、個人的危険を避けるために不可欠である。
個人認識にディープラーニングアプローチを使用する従来の視覚ベースの手法は、イメージ情報を提供するが、照明や可視性に敏感であり、欧州連合の一般データ保護規則(GDPR)のようなプライバシー規制に違反していることが多い。
通常、ディープラーニングに基づく検出システムは、トレーニングのために注釈付きデータを必要とする。
しかし、そのようなデータの収集と注釈付けには非常に時間がかかり、手作業による処理が必ずしもエラーのないわけではない。
そこで本稿では, 匿名化された3Dポイントクラウドのみを捕捉し, 個人識別機能を回避するマイクロ・エレクトロ・メカニカル・システム・LiDAR(MEMS-LiDAR)に基づくプライバシ準拠のアプローチを提案する。
実際のLiDARデータを記録したり、後処理やアノテーションに要する膨大な時間を補うため、CARLAシミュレーションフレームワークから合成生成されたシーンで実記録を付加する。
その結果, 実データのみを訓練したモデルと比較して, ハイブリッドデータの平均精度は44%向上し, マニュアルアノテーションの労力は50%削減された。
したがって,提案手法は,純粋に実データに基づく手法に代わるスケーラブルで費用効率のよい代替手段を提供し,人工LiDARデータと産業環境におけるGDPRコンプライアンスの高パフォーマンスを体系的に組み合わせることができることを示す。
関連論文リスト
- Learning More with Less: A Generalizable, Self-Supervised Framework for Privacy-Preserving Capacity Estimation with EV Charging Data [84.37348569981307]
自己教師付き事前学習に基づく第一種能力推定モデルを提案する。
我々のモデルは一貫して最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2025-10-05T08:58:35Z) - Context-Aware Online Conformal Anomaly Detection with Prediction-Powered Data Acquisition [35.59201763567714]
文脈認識型共形オンライン異常検出(C-PP-COAD)を導入する。
本フレームワークは,データ不足を軽減するために合成キャリブレーションデータを戦略的に活用し,コンテキストに基づく実データの統合を適応的に行う。
C-PP-COADは、偽発見率(FDR)を保証せずに、実際のキャリブレーションデータへの依存を著しく低減することを示した。
論文 参考訳（メタデータ） (2025-05-03T10:58:05Z) - VAE-based Feature Disentanglement for Data Augmentation and Compression in Generalized GNSS Interference Classification [42.14439854721613]
干渉の正確な分類を可能にする重要な潜伏特徴を抽出するために, アンタングル化のための変分オートエンコーダ (VAE) を提案する。
提案するVAEは512から8,192の範囲のデータ圧縮率を実現し,99.92%の精度を実現している。
論文 参考訳（メタデータ） (2025-04-14T13:38:00Z) - Dataset Protection via Watermarked Canaries in Retrieval-Augmented LLMs [67.0310240737424]
本稿では,テキストデータセットの所有権を保護し,RA-LLMによる不正使用を効果的に検出するための新しいアプローチを提案する。
提案手法では,IPデータセットに特別に設計されたカナリア文書を挿入することにより,元のデータを完全に変更することなく保護する。
検出プロセス中、カナリア文書をクエリし、RA-LLMの応答を分析することにより、不正使用を識別する。
論文 参考訳（メタデータ） (2025-02-15T04:56:45Z) - Communication-Efficient and Privacy-Adaptable Mechanism for Federated Learning [54.20871516148981]
通信効率・プライバシー適応メカニズム(CEPAM)について紹介する。
CEPAMは通信効率とプライバシー保護を同時に達成する。
我々は、CEPAMのプライバシー保証を理論的に分析し、CEPAMのユーザプライバシと正確性の間のトレードオフを調査する。
論文 参考訳（メタデータ） (2025-01-21T11:16:05Z) - SafeSynthDP: Leveraging Large Language Models for Privacy-Preserving Synthetic Data Generation Using Differential Privacy [0.0]
差分プライバシー(DP)機構を用いた合成データセットを生成するための大規模言語モデル(Ms)の能力について検討する。
提案手法では,ラプラス分布やガウス分布を含むDPベースのノイズ注入法をデータ生成プロセスに組み込む。
次に、これらのDP強化合成データセットの有用性を、トレーニングされたMLモデルの性能と、元のデータでトレーニングされたモデルとを比較して評価する。
論文 参考訳（メタデータ） (2024-12-30T01:10:10Z) - PAC-Based Formal Verification for Out-of-Distribution Data Detection [4.406331747636832]
本研究は、VAEの符号化プロセスを用いて、OOD検出に基づくほぼ正しい(PAC)保証を行う。
ユーザ定義の信頼性で不慣れなインスタンスに検出エラーをバインドするために使用される。
論文 参考訳（メタデータ） (2023-04-04T07:33:02Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Distributed Machine Learning and the Semblance of Trust [66.1227776348216]
フェデレートラーニング(FL)により、データ所有者はデータを共有することなく、データガバナンスを維持し、モデルトレーニングをローカルで行うことができる。
FLと関連する技術は、しばしばプライバシー保護と表現される。
この用語が適切でない理由を説明し、プライバシの形式的定義を念頭に設計されていないプロトコルに対する過度な信頼に関連するリスクを概説する。
論文 参考訳（メタデータ） (2021-12-21T08:44:05Z) - Privacy Preservation in Federated Learning: An insightful survey from
the GDPR Perspective [10.901568085406753]
この記事は、フェデレーテッドラーニングに使用できる最先端のプライバシー技術に関する調査に特化している。
近年の研究では、FLにおけるデータの保持と計算は、プライバシ保証者にとって不十分であることが示されている。
これは、FLシステム内のパーティ間で交換されるMLモデルパラメータが、いくつかのプライバシ攻撃で悪用されるためである。
論文 参考訳（メタデータ） (2020-11-10T21:41:25Z)
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。