論文の概要: Knowledge Priors for Identity-Disentangled Open-Set Privacy-Preserving Video FER

• arxiv url: http://arxiv.org/abs/2603.21387v1
• Date: Sun, 22 Mar 2026 20:18:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.393128
• Title: Knowledge Priors for Identity-Disentangled Open-Set Privacy-Preserving Video FER
• Title（参考訳）: 身元不整合なオープンセット型プライバシー保護ビデオFERの知識優先
• Authors: Feng Xu, Xun Li, Lars Petersson, Yulei Sui, David Ahmedt Aristizabal, Dadong Wang,
• Abstract要約: ビデオベースのプライバシー保護FERのための2段階フレームワークを提案する。 まず、ビデオ内および動画間知識を用いたアイデンティティ抑圧ネットワークを訓練する。 その後のdenoisingモジュールは、式関連情報を復元し、FERパフォーマンスの回復を支援する。
• 参考スコア（独自算出の注目度）: 29.528717718182975
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Facial expression recognition relies on facial data that inherently expose identity and thus raise significant privacy concerns. Current privacy-preserving methods typically fail in realistic open-set video settings where identities are unknown, and identity labels are unavailable. We propose a two-stage framework for video-based privacy-preserving FER in challenging open-set settings that requires no identity labels at any stage. To decouple privacy and utility, we first train an identity-suppression network using intra- and inter-video knowledge priors derived from real-world videos without identity labels. This network anonymizes identity while preserving expressive cues. A subsequent denoising module restores expression-related information and helps recover FER performance. Furthermore, we introduce a falsification-based validation method that uses recognition priors to rigorously evaluate privacy robustness without requiring annotated identity labels. Experiments on three video datasets demonstrate that our method effectively protects privacy while maintaining FER accuracy comparable to identity-supervised baselines.
• Abstract（参考訳）: 顔の表情認識は、本質的にアイデンティティを公開し、それによって重要なプライバシー上の懸念を引き起こす顔データに依存している。 現在のプライバシー保護手法は、アイデンティティが不明でIDラベルが利用できないリアルなオープンセットビデオ設定では、一般的に失敗する。 我々は,どの段階でもIDラベルを必要としないオープンセット設定に挑戦する上で,ビデオベースのプライバシ保護FERのための2段階フレームワークを提案する。 プライバシとユーティリティを分離するために、まず、実世界のビデオから派生したビデオ内およびビデオ間知識を用いたアイデンティティ抑圧ネットワークを、IDラベルなしでトレーニングする。 このネットワークは、表現力のある手がかりを保持しながらアイデンティティを匿名化する。 その後のdenoisingモジュールは、式関連情報を復元し、FERパフォーマンスの回復を支援する。 さらに、ファリシフィケーションに基づくバリデーション手法を導入し、アノテートされたIDラベルを必要とせずに、事前認識を用いてプライバシーの堅牢性を厳格に評価する。 3つのビデオデータセットに対する実験により、我々の手法は、アイデンティティ管理ベースラインに匹敵するFER精度を維持しながら、効果的にプライバシを保護することを示した。

関連論文リスト

• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-10-28T09:28:12Z)
• Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification [55.741525129613535]
  匿名化前の混乱」は、新しい二段階フレームワーク(DBAF)である このフレームワークには、Contrastive Identity Disentanglement (CID)モジュールとKey-authorized Reversible Identity Anonymization (KRIA)モジュールが含まれている。 大規模な実験により,本手法は最先端の非識別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） (2023-11-15T08:59:02Z)
• 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)
• 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)
• Learnable Privacy-Preserving Anonymization for Pedestrian Images [27.178354411900127]
  本稿では,歩行者画像における新たなプライバシー保護匿名化問題について検討する。 認証されたモデルに対する個人識別情報(PII)を保存し、PIIが第三者によって認識されないようにする。 本稿では,全体匿名画像の可逆的生成が可能な共同学習可逆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） (2022-07-24T07:04:16Z)
• Towards Privacy-Preserving Person Re-identification via Person Identify Shift [19.212691296927165]
  人物再識別(ReID)は、ReID法で使用される歩行者画像のプライバシーを維持する必要がある。 本稿では、人物識別シフト(PIS)と呼ばれる、人物ReID用に明示的に設計された新しい非識別手法を提案する。 PISは、それぞれの歩行者画像を現在の身元から別の身元にシフトさせ、その結果、相対的な身元を保存している。
  論文  参考訳（メタデータ） (2022-07-15T06:58:41Z)
• SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
  アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。 自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。 本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:56:40Z)
• IdentityDP: Differential Private Identification Protection for Face Images [17.33916392050051]
  顔の非識別、別名顔の匿名化は、実際のアイデンティティが隠されている間、同様の外観と同じ背景を持つ別の画像を生成することを指します。 我々は,データ駆動型ディープニューラルネットワークと差分プライバシー機構を組み合わせた顔匿名化フレームワークであるIdentityDPを提案する。 我々のモデルは、顔の識別関連情報を効果的に難読化し、視覚的類似性を保ち、高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2021-03-02T14:26:00Z)

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。