論文の概要: CSA-Graphs: A Privacy-Preserving Structural Dataset for Child Sexual Abuse Research

• arxiv url: http://arxiv.org/abs/2604.07132v1
• Date: Wed, 08 Apr 2026 14:26:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.581798
• Title: CSA-Graphs: A Privacy-Preserving Structural Dataset for Child Sexual Abuse Research
• Title（参考訳）: CSA-Graphs:児童性虐待研究のためのプライバシー保護構造データセット
• Authors: Carlos Caetano, Camila Laranjeira, Clara Ernesto, Artur Barros, João Macedo, Leo S. F. Ribeiro, Jefersson A. dos Santos, Sandra Avila,
• Abstract要約: プライバシー保護構造データセットであるCSA-Graphsを紹介する。 元の画像を公開する代わりに、コンテキスト情報を保持しながら、明示的な視覚的コンテンツを除去する構造表現を提供する。 実験により,両表現はCSAIの分類に有用な情報を保持し,それらの組み合わせにより性能が向上することが示された。
• 参考スコア（独自算出の注目度）: 3.4194233177504088
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Child Sexual Abuse Imagery (CSAI) classification is an important yet challenging problem for computer vision research due to the strict legal and ethical restrictions that prevent the public sharing of CSAI datasets. This limitation hinders reproducibility and slows progress in developing automated methods. In this work, we introduce CSA-Graphs, a privacy-preserving structural dataset. Instead of releasing the original images, we provide structural representations that remove explicit visual content while preserving contextual information. CSA-Graphs includes two complementary graph-based modalities: scene graphs describing object relationships and skeleton graphs encoding human pose. Experiments show that both representations retain useful information for classifying CSAI, and that combining them further improves performance. This dataset enables broader research on computer vision methods for child safety while respecting legal and ethical constraints.
• Abstract（参考訳）: 児童性虐待画像(CSAI)分類は、CSAIデータセットの公開共有を妨げる厳格な法的および倫理的制約のため、コンピュータビジョン研究において重要な課題である。 この制限は再現性を妨げ、自動手法の開発の進捗を遅らせる。 本研究では,プライバシ保護構造データセットであるCSA-Graphsを紹介する。 元の画像を公開する代わりに、コンテキスト情報を保持しながら、明示的な視覚的コンテンツを除去する構造表現を提供する。 CSA-Graphsには、オブジェクトの関係を記述するシーングラフと、人間のポーズをコードするスケルトングラフの2つの補完グラフベースのモダリティが含まれている。 実験により,両表現はCSAIの分類に有用な情報を保持し,それらの組み合わせにより性能が向上することが示された。 このデータセットは、法的および倫理的制約を尊重しながら、子どもの安全のためのコンピュータビジョン手法に関する広範な研究を可能にする。

関連論文リスト

• Human-Centric Perception for Child Sexual Abuse Imagery [4.0916541864237495]
  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。
  論文  参考訳（メタデータ） (2026-03-28T14:41:36Z)
• Bridging Cognitive Gap: Hierarchical Description Learning for Artistic Image Aesthetics Assessment [51.40989269202702]
  審美的品質評価タスクは,AIGCの定量的評価システムの開発に不可欠である。 本研究では,記述生成による美的次元の分離を図った芸術的画像の美的評価フレームワークであるArtQuantを提案する。 提案手法は,従来のトレーニングの33%しか必要とせず,いくつかのデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-12-29T12:18:26Z)
• Towards Federated Clustering: A Client-wise Private Graph Aggregation Framework [57.04850867402913]
  フェデレーションクラスタリングは、分散化されたラベルのないデータからパターンを抽出する課題に対処する。 本研究では,プライバシ保護のための知識共有媒体として,局所構造グラフを革新的に活用する新しいアルゴリズムSPP-FGCを提案する。 我々のフレームワークは最先端のパフォーマンスを実現し、認証可能なプライバシー保証を維持しつつ、フェデレーションベースラインよりも最大10%(NMI)のクラスタリング精度を向上させる。
  論文  参考訳（メタデータ） (2025-11-14T03:05:22Z)
• Attention over Scene Graphs: Indoor Scene Representations Toward CSAI Classification [3.886408092405825]
  生のピクセルの代わりに構造化グラフ表現を利用する新しいフレームワークを提案する。 Places8では、81.27%の精度を達成し、画像ベースの手法を超越した。 本研究は,屋内シーン分類とCSAI分類のためのロバストなパラダイムとして,構造化シーン表現を確立した。
  論文  参考訳（メタデータ） (2025-09-30T16:09:34Z)
• CAGAN: Text-To-Image Generation with Combined Attention GANs [70.3497683558609]
  テキスト記述に基づく写真リアルな画像を生成するために,CAGAN(Combined Attention Generative Adversarial Network)を提案する。 提案されたCAGANは2つの注意モデルを用いている:関連語に条件付きで異なる部分領域を描画する単語注意と、チャネル間の非線形相互作用をキャプチャする絞りと励起の注意である。 スペクトル正規化によるトレーニングの安定化により、提案したCAGANは、CUBデータセット上のISとFID、より困難なCOCOデータセット上のFIDの技術を改良する。
  論文  参考訳（メタデータ） (2021-04-26T15:46:40Z)
• Tensor Composition Net for Visual Relationship Prediction [115.14829858763399]
  画像の視覚的関係を予測するための新しいコンポジションネットワーク(TCN)を提案する。 TCNの鍵となる考え方は、視覚的関係テンソルの低階特性を利用することである。 本稿では,ttcnの画像レベルの視覚関係予測により,画像検索の簡便かつ効率的なメカニズムを示す。
  論文  参考訳（メタデータ） (2020-12-10T06:27:20Z)
• Consensus-Aware Visual-Semantic Embedding for Image-Text Matching [69.34076386926984]
  画像テキストマッチングは、視覚と言語をブリッジする上で中心的な役割を果たす。 既存のアプローチのほとんどは、表現を学ぶためにイメージテキストインスタンスペアのみに依存しています。 コンセンサスを意識したビジュアル・セマンティック・エンベディングモデルを提案し,コンセンサス情報を組み込む。
  論文  参考訳（メタデータ） (2020-07-17T10:22:57Z)
• 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)

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。