論文の概要: FDeID-Toolbox: Face De-Identification Toolbox

• arxiv url: http://arxiv.org/abs/2603.13121v1
• Date: Fri, 13 Mar 2026 16:15:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:12.183617
• Title: FDeID-Toolbox: Face De-Identification Toolbox
• Title（参考訳）: FDeID-Toolbox: Face De Identification Toolbox
• Authors: Hui Wei, Hao Yu, Guoying Zhao,
• Abstract要約: Face Dedentification (FDeID) は、顔画像から個人識別可能な情報を除去することを目的としている。 プライバシを保存するコンピュータビジョンにとって重要であるが、領域は断片化された実装、一貫性のない評価プロトコル、研究全体での互換性のない結果に悩まされている。 再現可能なFDeID研究用に設計された総合ツールボックスであるFDeID-Toolboxについて述べる。
• 参考スコア（独自算出の注目度）: 24.624419105765867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face de-identification (FDeID) aims to remove personally identifiable information from facial images while preserving task-relevant utility attributes such as age, gender, and expression. It is critical for privacy-preserving computer vision, yet the field suffers from fragmented implementations, inconsistent evaluation protocols, and incomparable results across studies. These challenges stem from the inherent complexity of the task: FDeID spans multiple downstream applications (e.g., age estimation, gender recognition, expression analysis) and requires evaluation across three dimensions (e.g., privacy protection, utility preservation, and visual quality), making existing codebases difficult to use and extend. To address these issues, we present FDeID-Toolbox, a comprehensive toolbox designed for reproducible FDeID research. Our toolbox features a modular architecture comprising four core components: (1) standardized data loaders for mainstream benchmark datasets, (2) unified method implementations spanning classical approaches to SOTA generative models, (3) flexible inference pipelines, and (4) systematic evaluation protocols covering privacy, utility, and quality metrics. Through experiments, we demonstrate that FDeID-Toolbox enables fair and reproducible comparison of diverse FDeID methods under consistent conditions.
• Abstract（参考訳）: Face Dedentification (FDeID) は、年齢、性別、表情などのタスク関連ユーティリティ属性を保持しながら、顔画像から個人を識別可能な情報を除去することを目的としている。 プライバシを保存するコンピュータビジョンにとって重要であるが、領域は断片化された実装、一貫性のない評価プロトコル、研究全体での互換性のない結果に悩まされている。 FDeIDは、複数のダウンストリームアプリケーション(例えば、年齢推定、性別認識、表現分析)にまたがり、既存のコードベースの使用と拡張が困難になる3次元(例えば、プライバシ保護、ユーティリティ保護、視覚的品質)で評価を必要とする。 これらの問題に対処するために、再現可能なFDeID研究用に設計された総合ツールボックスであるFDeID-Toolboxを提案する。 本ツールボックスは,(1)標準ベンチマークデータセットの標準化されたデータローダ,(2)SOTA生成モデルへの古典的アプローチにまたがる統一メソッド実装,(3)フレキシブル推論パイプライン,(4)プライバシ,ユーティリティ,品質メトリクスを網羅する体系的評価プロトコル,の4つのコアコンポーネントで構成されるモジュールアーキテクチャを特徴とする。 実験により、FDeID-Toolboxは、一貫した条件下での様々なFDeID手法の公平かつ再現可能な比較を可能にすることを示した。

関連論文リスト

• A Training-Free Approach for Multi-ID Customization via Attention Adjustment and Spatial Control [7.810140287905315]
  マルチIDのカスタマイズはより難しく、2つの大きな課題を提起する。 推論中にしばしばコピーペースト問題に遭遇し、品質が低下する。 画像領域に異なるID埋め込みを注入するID分離型クロスアテンション機構を提案する。
  論文  参考訳（メタデータ） (2025-11-25T15:28:10Z)
• Agent4FaceForgery: Multi-Agent LLM Framework for Realistic Face Forgery Detection [108.5042835056188]
  この作業では,2つの基本的な問題に対処するため,Agent4FaceForgeryを導入している。 人間の偽造の多様な意図と反復的なプロセスを捉える方法。 ソーシャルメディアの偽造に付随する複雑な、しばしば敵対的な、テキストと画像のインタラクションをモデル化する方法。
  論文  参考訳（メタデータ） (2025-09-16T01:05:01Z)
• Following the Clues: Experiments on Person Re-ID using Cross-Modal Intelligence [0.0]
  CRIDは、Large Vision-Language Models、Graph Attention Networks、そして表現学習を組み合わせたクロスプラットフォームフレームワークである。 提案手法は,解釈可能な特徴の同定と活用に重点を置いており,低レベルの外観的手がかりを超えた意味論的意味的PIIの検出を可能にする。 本実験は,実運用におけるデータ横断型Re-IDシナリオの性能向上を示す。
  論文  参考訳（メタデータ） (2025-07-02T09:10:33Z)
• SD-ReID: View-aware Stable Diffusion for Aerial-Ground Person Re-Identification [74.36139886192495]
  本稿では,AG-ReID のための SD-ReID という新しい生成フレームワークを提案する。 まず、ViTベースのモデルを用いて人物表現を抽出し、個人性や視認性を含む制御可能な条件を抽出する。 次に、安定拡散(SD)モデルを微調整し、これらの制御可能な条件によって導かれる人物表現を強化する。
  論文  参考訳（メタデータ） (2025-04-13T12:44:50Z)
• One-Shot Affordance Grounding of Deformable Objects in Egocentric Organizing Scenes [13.744125449326376]
  ロボット工学における変形可能なオブジェクト操作は、コンポーネント特性の不確かさ、多様な構成、視覚的干渉、曖昧なプロンプトなどによる重大な課題を呈している。 自己中心型組織シーンにおける変形性物体のワンショット強調グラウンド(OS-AGDO)の新たな手法を提案する。 実験結果から,本手法は最先端手法よりも有意に優れていることが示された。
  論文  参考訳（メタデータ） (2025-03-03T01:34:56Z)
• ChatReID: Open-ended Interactive Person Retrieval via Hierarchical Progressive Tuning for Vision Language Models [49.09606704563898]
  人物の再識別はコンピュータビジョンにおいて重要な課題であり、重複しないカメラビューを通して個人を認識することを目的としている。 本稿では,テキストを優先した検索パラダイムに焦点を移し,フレキシブルかつインタラクティブな再識別を可能にする新しいフレームワークChatReIDを提案する。 本稿では,人物属性の理解からきめ細かい画像検索,マルチモーダルタスク推論に至るまで,3段階のチューニングを通じてRe-ID能力を実現する階層的プログレッシブチューニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-02-27T10:34:14Z)
• ID-Aligner: Enhancing Identity-Preserving Text-to-Image Generation with Reward Feedback Learning [57.91881829308395]
  AIポートレートや広告といった幅広いアプリケーションシナリオのために、ID-T2I(ID-preserving text-to-image generation)が注目されている。 我々は,ID-T2I性能を向上させるための一般的なフィードバック学習フレームワークである textbfID-Aligner を提案する。
  論文  参考訳（メタデータ） (2024-04-23T18:41:56Z)
• Dual-Perspective Knowledge Enrichment for Semi-Supervised 3D Object Detection [55.210991151015534]
  本稿では, DPKE という新しい2次元知識豊か化手法を提案する。 我々のDPKEは、データパースペクティブと機能パースペクティブという2つの観点から、限られたトレーニングデータ、特にラベルなしデータの知識を豊かにしています。
  論文  参考訳（メタデータ） (2024-01-10T08:56:07Z)
• Scalable Video Object Segmentation with Identification Mechanism [125.4229430216776]
  本稿では,半教師付きビデオオブジェクト(VOS)のスケーラブルで効果的なマルチオブジェクトモデリングを実現する上での課題について検討する。 AOT(Associating Objects with Transformers)とAOST(Associating Objects with Scalable Transformers)の2つの革新的なアプローチを提案する。 当社のアプローチは最先端の競合に勝って,6つのベンチマークすべてにおいて,例外的な効率性とスケーラビリティを一貫して示しています。
  論文  参考訳（メタデータ） (2022-03-22T03:33:27Z)

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。