論文の概要: PPEDCRF: Privacy-Preserving Enhanced Dynamic CRF for Location-Privacy Protection for Sequence Videos with Minimal Detection Degradation
- arxiv url: http://arxiv.org/abs/2603.01593v1
- Date: Mon, 02 Mar 2026 08:18:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.762733
- Title: PPEDCRF: Privacy-Preserving Enhanced Dynamic CRF for Location-Privacy Protection for Sequence Videos with Minimal Detection Degradation
- Title（参考訳）: PPEDCRF:最小検出劣化を有するシーケンスビデオの位置情報保護のためのプライバシー保護強化動的CRF
- Authors: Bo Ma, Jinsong Wu, Weiqi Yan, Catherine Shi, Minh Nguyen,
- Abstract要約: 本稿では,バックグラウンドベース検索攻撃下での位置情報プライバシリークについて検討する。
プライバシ保護型条件付きランダムフィールドフレームワークであるPEDCRFを提案する。
公共運転データセットの実験では、PPEDCRFが位置検索攻撃の成功を著しく減少させることが示された。
- 参考スコア（独自算出の注目度）: 7.329775099113131
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Dashcam videos collected by autonomous or assisted-driving systems are increasingly shared for safety auditing and model improvement. Even when explicit GPS metadata are removed, an attacker can still infer the recording location by matching background visual cues (e.g., buildings and road layouts) against large-scale street-view imagery. This paper studies location-privacy leakage under a background-based retrieval attacker, and proposes PPEDCRF, a privacy-preserving enhanced dynamic conditional random field framework that injects calibrated perturbations only into inferred location-sensitive background regions while preserving foreground detection utility. PPEDCRF consists of three components: (i) a dynamic CRF that enforces temporal consistency to discover and track location sensitive regions across frames, (ii) a normalized control penalty (NCP) that allocates perturbation strength according to a hierarchical sensitivity model, and (iii) a utility-preserving noise injection module that minimizes interference to object detection and segmentation. Experiments on public driving datasets demonstrate that PPEDCRF significantly reduces location-retrieval attack success (e.g., Top-k retrieval accuracy) while maintaining competitive detection performance (e.g., mAP and segmentation metrics) compared with common baselines such as global noise, white-noise masking, and feature-based anonymization. The source code is in https://github.com/mabo1215/PPEDCRF.git
- Abstract（参考訳）: 自動運転や補助自動運転システムによって収集されたダッシュボードカムビデオは、安全監査とモデル改善のためにますます共有されている。
明示的なGPSメタデータが削除されたとしても、攻撃者は大規模なストリートビュー画像に対して背景の視覚的手がかり(例えば、建物や道路レイアウト)を一致させることで、記録位置を推測することができる。
PPEDCRFは,フォアグラウンド検出機能を保ちつつ,推定された位置感受性背景領域にのみキャリブレーションされた摂動を注入する,プライバシー保護の強化された動的条件付きランダムフィールドフレームワークである。
PPEDCRFは3つのコンポーネントから構成される。
(i)フレーム間の位置依存領域の検出と追跡に時間的一貫性を強制する動的CRF。
二 階層的感度モデルにより摂動強度を割り当てる正規化制御罰(NCP)及び
(iii)オブジェクト検出やセグメンテーションへの干渉を最小限に抑えるユーティリティ保存型ノイズ注入モジュール。
公共運転データセットの実験では、PPEDCRFは、グローバルノイズ、ホワイトノイズマスキング、特徴ベースの匿名化といった一般的なベースラインと比較して、競合検出性能(例えば、mAP、セグメンテーションメトリクス)を維持しながら、位置検索攻撃の成功(例えば、トップkの精度)を著しく低減することが示された。
ソースコードはhttps://github.com/mabo1215/PPEDCRF.gitにある。
関連論文リスト
- TIP: Resisting Gradient Inversion via Targeted Interpretable Perturbation in Federated Learning [8.156452885913108]
フェデレートラーニング(FL)は、データの局所性を維持しながら協調的なモデルトレーニングを促進する。
勾配の交換により、システムはグラディエント・インバージョン・アタック(GIAs)に弱い。
本稿では、モデル解釈可能性と周波数領域解析を統合する新しい防御フレームワークTIPを提案する。
論文 参考訳（メタデータ） (2026-02-12T06:32:49Z) - Decoupling Amplitude and Phase Attention in Frequency Domain for RGB-Event based Visual Object Tracking [51.31378940976401]
既存のRGB-Eventトラッキングアプローチでは、イベントカメラのユニークな利点を完全に活用できない。
本稿では,周波数領域の早期融合を実現する新しい追跡フレームワークを提案する。
FE108, FELT, COESOTなど, 広く使用されている3つのRGB-Event追跡ベンチマークデータセットの実験により, 提案手法の性能と効率を実証した。
論文 参考訳（メタデータ） (2026-01-03T01:10:17Z) - Differentially Private Feature Release for Wireless Sensing: Adaptive Privacy Budget Allocation on CSI Spectrograms [0.0]
無線センシングのための差分プライベート(DP)機能リリースについて検討した。
本稿では,CSIの時間周波数表現の非一様構造に合わせた適応型プライバシ予算配分機構を提案する。
本手法は,アイデンティティやメンバシップ推論攻撃における経験的リークを著しく低減しつつ,精度の向上と誤りの低減を実現している。
論文 参考訳（メタデータ） (2025-12-23T12:45:49Z) - It's Not the Target, It's the Background: Rethinking Infrared Small Target Detection via Deep Patch-Free Low-Rank Representations [5.326302374594885]
本稿では、LRRNetと呼ばれる新しいエンドツーエンドIRSTDフレームワークを提案する。
乱れシーンの物理的圧縮性に着想を得て,本手法は圧縮・再構成・減算パラダイムを採用する。
複数の公開データセットの実験により、LRRNetは検出精度、堅牢性、計算効率の点で38の最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2025-06-12T07:24:45Z) - DenoDet: Attention as Deformable Multi-Subspace Feature Denoising for Target Detection in SAR Images [20.11145540094807]
本稿では、畳み込みバイアスを校正し、高周波により多くの注意を払うために、明示的な周波数領域変換によって支援されるネットワークを提案する。
変換領域ソフトしきい値処理を行う動的周波数領域アテンションモジュールであるTransDenoを設計する。
プラグアンドプレイのTransDenoは、複数のSARターゲット検出データセットに対して最先端のスコアを設定する。
論文 参考訳（メタデータ） (2024-06-05T01:05:26Z) - Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。
ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。
提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
論文 参考訳（メタデータ） (2023-08-17T11:30:46Z) - Towards the Flatter Landscape and Better Generalization in Federated
Learning under Client-level Differential Privacy [67.33715954653098]
本稿では,DPの負の影響を軽減するために勾配摂動を利用するDP-FedSAMという新しいDPFLアルゴリズムを提案する。
具体的には、DP-FedSAM は Sharpness Aware of Minimization (SAM) を統合し、安定性と重みのある局所平坦度モデルを生成する。
より優れた性能を保ちながら、さらにマグニチュードランダムノイズを低減するために、ローカル更新スペーシフィケーション手法を用いてDP-FedSAM-$top_k$を提案する。
論文 参考訳（メタデータ） (2023-05-01T15:19:09Z) - SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。
SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。
大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
論文 参考訳（メタデータ） (2022-07-10T11:18:26Z) - A Differentially Private Framework for Deep Learning with Convexified
Loss Functions [4.059849656394191]
差分プライバシー(DP)は、基礎となるトレーニングセットのプライバシーを保護するためにディープラーニングに応用されている。
既存のDP実践は、客観的摂動、勾配摂動、出力摂動の3つのカテゴリに分類される。
本稿では,DPノイズをランダムにサンプリングしたニューロンに注入し,新しい出力摂動機構を提案する。
論文 参考訳（メタデータ） (2022-04-03T11:10:05Z) - Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。
従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。
本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
論文 参考訳（メタデータ） (2021-05-22T10:17:38Z) - Robust Unsupervised Video Anomaly Detection by Multi-Path Frame
Prediction [61.17654438176999]
本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。
提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
論文 参考訳（メタデータ） (2020-11-05T11:34:12Z)
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。