論文の概要: Human-Centric Perception for Child Sexual Abuse Imagery

• arxiv url: http://arxiv.org/abs/2603.27290v2
• Date: Thu, 02 Apr 2026 13:13:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.158751
• Title: Human-Centric Perception for Child Sexual Abuse Imagery
• Title（参考訳）: 子どもの性的虐待画像に対する人間中心の知覚
• Authors: Camila Laranjeira, João Macedo, Sandra Avila, Fabrício Benevenuto, Jefersson A. dos Santos,
• Abstract要約: 児童性虐待画像(CSAI)の報告を扱う法執行機関や非法執行機関は、大量のデータに圧倒されている。 CSAI分類法は、しばしばブラックボックスのアプローチに依存し、ポルノグラフィのような広く抽象的な概念をターゲットにしている。 ポーズ推定と検出を同時に行うために,BKP-AssociationとYOLO-BKPという2つの手法を提案する。
• 参考スコア（独自算出の注目度）: 4.0916541864237495
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Law enforcement agencies and non-gonvernmental organizations handling reports of Child Sexual Abuse Imagery (CSAI) are overwhelmed by large volumes of data, requiring the aid of automation tools. However, defining sexual abuse in images of children is inherently challenging, encompassing sexually explicit activities and hints of sexuality conveyed by the individual's pose, or their attire. CSAI classification methods often rely on black-box approaches, targeting broad and abstract concepts such as pornography. Thus, our work is an in-depth exploration of tasks from the literature on Human-Centric Perception, across the domains of safe images, adult pornography, and CSAI, focusing on targets that enable more objective and explainable pipelines for CSAI classification in the future. We introduce the Body-Keypoint-Part Dataset (BKPD), gathering images of people from varying age groups and sexual explicitness to approximate the domain of CSAI, along with manually curated hierarchically structured labels for skeletal keypoints and bounding boxes for person and body parts, including head, chest, hip, and hands. We propose two methods, namely BKP-Association and YOLO-BKP, for simultaneous pose estimation and detection, with targets associated per individual for a comprehensive decomposed representation of each person. Our methods are benchmarked on COCO-Keypoints and COCO-HumanParts, as well as our human-centric dataset, achieving competitive results with models that jointly perform all tasks. Cross-domain ablation studies on BKPD and a case study on RCPD highlight the challenges posed by sexually explicit domains. Our study addresses previously unexplored targets in the CSAI domain, paving the way for novel research opportunities.
• Abstract（参考訳）: 児童性虐待画像(CSAI)の報告を扱う法執行機関や非法務機関は、大量のデータに圧倒され、自動化ツールの助けを必要としている。 しかし、子供のイメージにおける性的虐待の定義は本質的に困難であり、個人のポーズや服装によって伝えられる性的行為や性行為のヒントを含んでいる。 CSAI分類法は、しばしばブラックボックスのアプローチに依存し、ポルノグラフィのような広く抽象的な概念をターゲットにしている。 そこで本研究は,将来,CSAI分類のためのより客観的かつ説明可能なパイプラインを目標とする,安全な画像,成人ポルノ,CSAIの各領域にわたる,人間中心の知覚に関する文献からのタスクの詳細な探索である。 そこで,BKPD(Body-Keypoint-Part Dataset)を導入し,年齢の異なる集団の人物画像と性的明示性を用いてCSAIの領域を近似し,骨格キーポイントと人体部分(頭,胸,ヒップ,手など)のバウンディングボックスを手作業で構築した階層的ラベルを作成した。 本稿では,BKP-AssociationとYOLO-BKPの2つの手法を提案する。 我々の手法はCOCO-KeypointsとCOCO-HumanPartsと人間中心のデータセットでベンチマークされ、全てのタスクを共同で実行するモデルと競合する結果が得られます。 BKPDのクロスドメインアブレーション研究とRCPDのケーススタディは、性的に明示的なドメインによって引き起こされる課題を強調している。 本研究は、CSAI領域の未探索目標に対処し、新たな研究機会を開拓する。

関連論文リスト

• Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
  我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。 我々は500人以上の参加者から行動データの35万件の試行を収集した。 次に、一般的な視覚モデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:13Z)
• Detecting sexually explicit content in the context of the child sexual abuse materials (CSAM): end-to-end classifiers and region-based networks [0.0]
  子どもの性的虐待物質(CSAM)は、世界中の子供の安全と幸福を脅かす。 本研究は、CSAM自動検出システムにおいて重要な役割を担う性的な内容の分類方法を提案する。
  論文  参考訳（メタデータ） (2024-06-20T09:21:08Z)
• Challenges in Video-Based Infant Action Recognition: A Critical Examination of the State of the Art [9.327466428403916]
  InfActPrimitive’という,5つの重要な幼児マイルストーンアクションカテゴリを含む,画期的なデータセットを紹介します。 近縁骨格に基づく行動認識モデルを用いた広範囲な比較分析を行う。 以上の結果から,PoseC3Dモデルでは約71%の精度で高い精度を達成できたが,残りのモデルでは乳幼児行動の動態を正確に把握することが困難であった。
  論文  参考訳（メタデータ） (2023-11-21T02:36:47Z)
• Deep Learning for Human Parsing: A Survey [54.812353922568995]
  本研究では,人間の意味解析の先駆的な研究の幅広い範囲を網羅する,最先端の人間の構文解析手法の解析を行う。 1) 構造駆動型アーキテクチャは,人体の異なる部分と固有の階層構造を生かし,(2) グラフベースのネットワークは,効率的で完全な人体分析を実現するためにグローバルな情報を捉え,(3) コンテキスト認識ネットワークは,対応するクラスのピクセルを特徴付けるために,すべてのピクセルにわたって有用なコンテキストを探索し,(4) LSTMベースの手法は,短距離と長距離空間の依存関係を結合して,豊富な局所的・グローバルなコンテキストをうまく活用することができる。
  論文  参考訳（メタデータ） (2023-01-29T10:54:56Z)
• Unsupervised Human Pose Estimation through Transforming Shape Templates [2.729524133721473]
  本研究では,成人および乳幼児のポーズ推定を教師なしで学習するための新しい手法を提案する。 成人と幼児を含む2つの異なるデータセットに対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2021-05-10T07:15:56Z)
• Onfocus Detection: Identifying Individual-Camera Eye Contact from Unconstrained Images [81.64699115587167]
  Onfocus Detectionは、カメラが捉えた個人の焦点がカメラにあるかどうかを特定することを目的としている。 OnFocus Detection In the Wild (OFDIW) と呼ばれる大規模なオンフォーカス検出データセットを構築しました。 本研究では,視線干渉推論ネットワーク (ECIIN) を用いた眼球深度検出モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-29T03:29:09Z)
• ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
  画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。 我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。 提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
  論文  参考訳（メタデータ） (2020-08-14T09:11:18Z)
• Large image datasets: A pyrrhic win for computer vision? [2.627046865670577]
  大規模ビジョンデータセットの問題点と結果について検討する。 我々は,同意や正義の問題などの幅広い問題や,データセットに検証可能なポルノ画像を含めるといった特定の懸念について検討する。
  論文  参考訳（メタデータ） (2020-06-24T06:41:32Z)
• Gradient-Induced Co-Saliency Detection [81.54194063218216]
  Co-SOD(Co-saliency Detection)は、一般的な唾液前景を関連画像のグループに分割することを目的としている。 本稿では,人間の行動にインスパイアされた,勾配誘導型共分散検出法を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:40:55Z)

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。