論文の概要: Privacy-Preserving Clothing Classification using Vision Transformer for Thermal Comfort Estimation

• arxiv url: http://arxiv.org/abs/2604.26184v1
• Date: Wed, 29 Apr 2026 00:18:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.204367
• Title: Privacy-Preserving Clothing Classification using Vision Transformer for Thermal Comfort Estimation
• Title（参考訳）: 熱快適度推定のための視覚変換器を用いたプライバシ保護衣料分類
• Authors: Tatsuya Chuman, Yousuke Udagawa, Hitoshi Kiya,
• Abstract要約: 衣料品断熱推定に応用した視覚変換器(ViT)を用いたプライバシー保護分類手法を提案する。 提案手法は, 暗号化画像の精度を高く保ち, 全カテゴリにまたがるプレーン画像の劣化を示さない。
• 参考スコア（独自算出の注目度）: 1.2744523252873348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A privacy-preserving clothing classification scheme is presented to enable secure occupant-centric control (OCC) systems. Although the utilization of camera images for HVAC control has been widely studied to optimize thermal comfort, privacy protection of occupant images has not been considered in prior works. While various privacy-preserving methods have been proposed for image classification, applying conventional schemes results in severe accuracy degradation. In this paper, we introduce a privacy-preserving classification method using Vision Transformer (ViT) applied to clothing insulation estimation. In an experiment using the DeepFashion dataset categorized by clothing insulation, while the conventional pixel-based method suffers a severe accuracy drop, our scheme maintains a high accuracy on encrypted images, showing no degradation from plain images across all categories.
• Abstract（参考訳）: 安全な占有者中心制御(OCC)システムを実現するために,プライバシ保護型衣服分類方式を提案する。 HVAC制御のためのカメラ画像の利用は、熱的快適性を最適化するために広く研究されているが、以前の研究では、被写体画像のプライバシー保護は考慮されていない。 画像分類には様々なプライバシー保護手法が提案されているが、従来の手法を適用すると精度が著しく低下する。 本稿では,衣料品断面積推定に適用した視覚変換器(ViT)を用いたプライバシ保護分類手法を提案する。 衣服の断熱によって分類されたDeepFashionデータセットを用いた実験では,従来の画素法では精度が著しく低下するのに対して,本手法では,全カテゴリにわたる平易画像からの劣化を示さず,高い精度で画像の暗号化を行う。

関連論文リスト

• Differential Privacy Image Generation with Reconstruction Loss and Noise Injection Using an Error Feedback SGD [4.926236825659131]
  匿名化などの従来のデータマスキング技術は、プライバシ保護のためのデータユーティリティを確保しながら、期待されるプライバシ保護を達成することはできない。 本稿では,EFSGD(Error Feedback Gradient Descent)法を用いた差分プライバシ生成のための新しいフレームワークを提案する。 MNIST、Fashion-MNIST、CelebAの3つのベンチマークで、ほぼすべてのメトリクスに対して最先端の結果を得る。
  論文  参考訳（メタデータ） (2026-01-21T15:07:33Z)
• Privacy Blur: Quantifying Privacy and Utility for Image Data Release [48.64095568151945]
  ガウス的曖昧化の実践的実装は、プライバシーを破るのに十分な可逆性を持っていることを示す。 私たちは、他の3つの難読化アルゴリズムによって提供されるプライバシーとユーティリティのトレードオフを詳しく見ていきます。 ピクセル化とノイズ付加は、多くのコンピュータビジョンタスクのプライバシとユーティリティの両方を提供する。
  論文  参考訳（メタデータ） (2025-12-18T02:01:17Z)
• Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
  プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。 本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。 また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• Efficient Fine-Tuning with Domain Adaptation for Privacy-Preserving Vision Transformer [6.476298483207895]
  視覚変換器(ViT)を用いたプライバシー保護型ディープニューラルネットワーク(DNN)の新しい手法を提案する。 本手法では, モデルトレーニングや視覚的に保護された画像によるテストだけでなく, 暗号化画像の使用による性能劣化を回避できる。 ドメイン適応法は、暗号化された画像でViTを効率よく微調整するために用いられる。
  論文  参考訳（メタデータ） (2024-01-10T12:46:31Z)
• Enhancing Generalization of Invisible Facial Privacy Cloak via Gradient Accumulation [46.81652932809355]
  通常のユーザのすべてのイメージに対して,新たなタイプの対向的プライバシクローク(クラスユニバーサル)を適用することができる。 本稿では,複数の小バッチ勾配を1段階の反復勾配に集約し,勾配安定性を高め,量子化演算を減少させるグラディエント累積法を提案する。 実験の結果,提案手法はブラックボックスの顔認識モデルに対して,プライバシ・コモンズ・データセット上で高い性能を示すことがわかった。
  論文  参考訳（メタデータ） (2024-01-03T07:00:32Z)
• Combined Use of Federated Learning and Image Encryption for Privacy-Preserving Image Classification with Vision Transformer [14.505867475659276]
  視覚変換器(ViT)を用いたプライバシー保護画像分類のためのFLと暗号化画像の組み合わせを提案する。 実験では,CIFAR-10およびCIFAR-100データセットの性能劣化を伴わずに,本手法をうまく動作させることが実証された。
  論文  参考訳（メタデータ） (2023-01-23T03:41:02Z)
• Privacy-Preserving Image Classification Using Vision Transformer [16.679394807198]
  暗号化画像と視覚変換器(ViT)を組み合わせたプライバシー保護画像分類手法を提案する。 ViTは画像パッチにパッチ埋め込みと位置埋め込みを利用するため、このアーキテクチャはブロックワイド画像変換の影響を低減することができる。 実験では,様々な攻撃に対する分類精度とロバスト性の観点から,プライバシー保護画像分類の手法が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-24T12:51:48Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• Federated Learning for Face Recognition with Gradient Correction [52.896286647898386]
  本稿では,顔認識のためのフェデレーション学習に取り組むためのフレームワークであるFedGCを紹介する。 我々は,FedGCが標準ソフトマックスと同様の損失関数を構成することを示す。
  論文  参考訳（メタデータ） (2021-12-14T09:19:29Z)

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。