論文の概要: ComPrivDet: Efficient Privacy Object Detection in Compressed Domains Through Inference Reuse
- arxiv url: http://arxiv.org/abs/2604.03640v1
- Date: Sat, 04 Apr 2026 08:32:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.690846
- Title: ComPrivDet: Efficient Privacy Object Detection in Compressed Domains Through Inference Reuse
- Title（参考訳）: ComPrivDet: 推論再利用による圧縮ドメインの効率的なプライバシオブジェクト検出
- Authors: Yunhao Yao, Zhiqiang Wang, Ruiqi Li, Haoran Cheng, Puhan Luo, Xiangyang Li,
- Abstract要約: 本稿では,Iフレーム推論結果の再利用により,圧縮ビデオ中のプライバシオブジェクトを効率的に検出するComPrivDetを提案する。
ComPrivDetは、プライベートフェイス検出で99.75%、プライベートナンバープレート検出で96.83%の精度を維持し、推論の80%以上をスキップしている。
- 参考スコア（独自算出の注目度）: 22.81143316018468
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the Internet of Things (IoT) becomes deeply embedded in daily life, users are increasingly concerned about privacy leakage, especially from video data. Since frame-by-frame protection in large-scale video analytics (e.g., smart communities) introduces significant latency, a more efficient solution is to selectively protect frames containing privacy objects (e.g., faces). Existing object detectors require fully decoded videos or per-frame processing in compressed videos, leading to decoding overhead or reduced accuracy. Therefore, we propose ComPrivDet, an efficient method for detecting privacy objects in compressed video by reusing I-frame inference results. By identifying the presence of new objects through compressed-domain cues, ComPrivDet either skips P- and B-frame detections or efficiently refines them with a lightweight detector. ComPrivDet maintains 99.75% accuracy in private face detection and 96.83% in private license plate detection while skipping over 80% of inferences. It averages 9.84% higher accuracy with 75.95% lower latency than existing compressed-domain detection methods.
- Abstract（参考訳）: モノのインターネット(IoT)が日々の生活に深く浸透するにつれ、ユーザーは特にビデオデータからプライバシーの漏洩に関心を抱いている。
大規模なビデオ分析(スマートコミュニティなど)におけるフレーム単位の保護は、大きなレイテンシをもたらすため、より効率的な解決策は、プライバシオブジェクト(例えば顔)を含むフレームを選択的に保護することである。
既存のオブジェクト検出器は、圧縮されたビデオで完全にデコードされたビデオやフレーム単位の処理を必要とし、デコードオーバーヘッドや精度の低下につながる。
そこで本研究では,Iフレーム推論結果の再利用により,圧縮ビデオ中のプライバシオブジェクトを効率的に検出するComPrivDetを提案する。
ComPrivDetは圧縮されたドメインのキューを通じて新しいオブジェクトを識別することで、PフレームとBフレームの検出をスキップするか、あるいは軽量な検出器で効率的に改善する。
ComPrivDetは、プライベートフェイス検出で99.75%、プライベートナンバープレート検出で96.83%の精度を維持し、推論の80%以上をスキップしている。
平均9.84%の精度で、圧縮ドメイン検出法よりも75.95%低いレイテンシである。
関連論文リスト
- Privacy Beyond Pixels: Latent Anonymization for Privacy-Preserving Video Understanding [56.369026347458835]
本稿では,ビデオ基盤モデルにおける視覚的プライバシ保護の新たな定式化について紹介する。
入力ピクセルレベルの匿名化に関する現在のプライバシー保護手法では、ユーティリティビデオモデル全体を再トレーニングする必要がある。
軽量な Anonym Adapter Module (AAM) は、一般的なタスクユーティリティを維持しながら、ビデオ機能からプライベート情報を除去する。
論文 参考訳（メタデータ） (2025-11-11T18:56:27Z) - Real-Time Privacy Preservation for Robot Visual Perception [21.05457265285284]
プライバシを保存するための既存のアプローチは、ディープラーニングモデル、差分プライバシ、暗号化に依存している。
我々は,プライバシーに制約のあるビデオストリーミングPCVSを開発し,リアルタイムビデオストリーム内の機密オブジェクトを隠蔽する。
我々は,ロボットにPCVSをリアルタイムに展開し,ロボットが正常に動作していることを示す。
論文 参考訳（メタデータ） (2025-05-08T03:27:12Z) - Practical Video Object Detection via Feature Selection and Aggregation [18.15061460125668]
ビデオオブジェクト検出(VOD)は、オブジェクトの外観における高いフレーム間変動と、いくつかのフレームにおける多様な劣化を懸念する必要がある。
現代のアグリゲーション法のほとんどは、高い計算コストに苦しむ2段階検出器用に調整されている。
この研究は、特徴選択と集約の非常に単純だが強力な戦略を考案し、限界計算コストでかなりの精度を得る。
論文 参考訳（メタデータ） (2024-07-29T02:12:11Z) - TeD-SPAD: Temporal Distinctiveness for Self-supervised
Privacy-preservation for video Anomaly Detection [59.04634695294402]
人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。
VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。
本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
論文 参考訳（メタデータ） (2023-08-21T22:42:55Z) - ETAD: A Unified Framework for Efficient Temporal Action Detection [70.21104995731085]
時間的行動検出(TAD)のようなトリミングされていないビデオ理解は、しばしば計算資源に対する膨大な需要の苦痛に悩まされる。
我々は、効率的なエンド・ツー・エンドの時間的行動検出(ETAD)のための統合されたフレームワークを構築している。
ETADはTHUMOS-14とActivityNet-1.3の両方で最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-05-14T21:16:21Z) - FrameHopper: Selective Processing of Video Frames in Detection-driven
Real-Time Video Analytics [2.5119455331413376]
検出駆動リアルタイムビデオ分析では、ビデオフレームに含まれるオブジェクトを連続的に検出する必要がある。
これらの検出器をリソース制約されたエッジデバイスの各フレームで実行することは、計算集約的である。
本稿では,これらのスキップ長を決定するために,オフライン強化学習(RL)に基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-03-22T07:05:57Z) - Robust Privacy-Preserving Motion Detection and Object Tracking in
Encrypted Streaming Video [39.453548972987015]
本稿では,暗号化された監視ビデオのビットストリームに対して,効率的かつ堅牢なプライバシー保護動作検出と複数物体追跡手法を提案する。
提案手法は, 暗号化・圧縮された領域における既存の作業と比較して, 最高の検出・追跡性能を実現する。
我々の手法は、カメラの動き/ジッタ、動的背景、影など、様々な課題を伴う複雑な監視シナリオで効果的に利用することができる。
論文 参考訳（メタデータ） (2021-08-30T11:58:19Z) - Real-Time and Accurate Object Detection in Compressed Video by Long
Short-term Feature Aggregation [30.73836337432833]
ビデオオブジェクト検出は、検出速度と精度の限界を押し上げるために研究される。
コスト削減のため、ビデオ中のキーフレームをあまりサンプリングせず、残りのフレームはキーフレームではないように扱います。
大きくて深いネットワークはキーフレームの特徴を抽出するのに使われ、小さなネットワークはキーでないフレームに使われます。
提案するビデオオブジェクト検出ネットワークは,大規模なImageNet VIDベンチマークを用いて評価する。
論文 参考訳（メタデータ） (2021-03-25T01:38:31Z) - Privacy-sensitive Objects Pixelation for Live Video Streaming [52.83247667841588]
ライブビデオストリーミング中に自動的にパーソナルプライバシフィルタリングを行うための新しいPrivacy-sensitive Objects Pixelation(PsOP)フレームワークを提案する。
psopは、あらゆるプライバシーに敏感なオブジェクトのピクセル化に拡張可能です。
ストリーミング映像データを用いた実験では, ピクセル化精度の向上に加えて, プライバシーに敏感な物体のピクセル化において, PsOP が過剰なピクセル化比を大幅に削減できることが示された。
論文 参考訳（メタデータ） (2021-01-03T11:07:23Z) - 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) - Single Shot Video Object Detector [215.06904478667337]
Single Shot Video Object Detector (SSVD)は、新しいアーキテクチャであり、ビデオ内のオブジェクト検出のための1段階の検出器に機能集約を新規に統合する。
448の448ドルの入力で、SSVDはImageNet VIDデータセットで79.2%のmAPを達成した。
論文 参考訳（メタデータ） (2020-07-07T15:36:26Z)
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。