論文の概要: Lens Privacy Sealing: A New Benchmark and Method for Physical Privacy-Preserving Action Recognition

• arxiv url: http://arxiv.org/abs/2605.19578v2
• Date: Thu, 21 May 2026 10:01:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.894873
• Title: Lens Privacy Sealing: A New Benchmark and Method for Physical Privacy-Preserving Action Recognition
• Title（参考訳）: レンズプライバシシーシーリング:物理プライバシ保護行動認識のための新しいベンチマークと方法
• Authors: Mengyuan Liu, Ziyi Wang, Peiming Li, Junsong Yuan,
• Abstract要約: RGBカメラベースの監視システムは、公共の安全と医療のための人間の行動認識を可能にする。 既存の方法は、データ取得時のプライバシ保護に失敗する、キャプチャ後アルゴリズムに依存している。 我々は、調整可能なフィルムでカメラレンズを物理的に隠蔽するシンプルなハードウェアソリューションであるLens Privacy Sealing (LPS)を提案する。
• 参考スコア（独自算出の注目度）: 45.858644584022635
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: RGB camera-based surveillance systems enable human action recognition for public safety and healthcare, yet raise serious privacy concerns. Existing methods rely on post-capture algorithms, which fail to protect privacy during data acquisition. We propose Lens Privacy Sealing (LPS), a simple hardware solution that physically obscures camera lenses with adjustable laminating film, providing pre-sensor privacy protection at minimal cost. Unlike software methods or expensive engineered optics, LPS achieves strong privacy through stochastic multi-layer scattering that is physically irreversible. We introduce the P$^3$AR dataset for privacy-preserving action recognition, featuring both large-scale replay-captured (P$^3$AR-NTU, 114K videos) and real-world collected (P$^3$AR-PKU) subsets with privacy attribute annotations. To handle video degradation from LPS, we propose MSPNet, a single-stage framework incorporating Inter-Frame Noise Suppressor (IFNS) and Cross-Frame Semantic Aggregator (CFSA), enhanced by contrastive language-image pre-training for robust semantic extraction. Extensive experiments demonstrate that MSPNet with IFNS and CFSA nearly doubles action recognition accuracy compared to baseline methods while suppressing identity recognition to low levels. Comprehensive validation shows LPS achieves a superior privacy-utility trade-off compared to state-of-the-art hardware methods, resists reconstruction attacks including PSF inversion and data-driven recovery, and generalizes robustly across optical configurations and challenging environments. Code is available at https://github.com/wangzy01/MSPNet.
• Abstract（参考訳）: RGBカメラベースの監視システムは、公共の安全と医療のための人間の行動認識を可能にするが、深刻なプライバシー上の懸念を引き起こす。 既存の方法は、データ取得時のプライバシ保護に失敗する、キャプチャ後アルゴリズムに依存している。 我々は、カメラレンズを調整可能なラミネートフィルムで物理的に隠蔽するシンプルなハードウェアソリューションであるLens Privacy Sealing (LPS)を提案し、センサー前のプライバシー保護を最小限のコストで提供する。 ソフトウェア手法や高価なエンジニアリング光学とは異なり、LSSは物理的に不可逆な確率的多層散乱によって強力なプライバシーを実現する。 プライバシ属性アノテーションを付加した大規模リプレイキャプチャ(P$^3$AR-NTU、114Kビデオ)と実世界のサブセット(P$^3$AR-PKU)を特徴とするプライバシ保存行動認識のためのP$^3$ARデータセットを紹介した。 LPSの映像劣化に対処するために,IFNS(Inter-Frame Noise Suppressor)とCFSA(Cross-Frame Semantic Aggregator)を組み込んだシングルステージフレームワークであるMSPNetを提案する。 IFNS と CFSA の MSPNet がベースライン法に比べて動作認識の精度をほぼ2倍にし,識別の低レベル化を図っている。 包括的な検証によると、LPSは最先端のハードウェア手法よりも優れたプライバシーユーティリティトレードオフを実現し、PSFインバージョンやデータ駆動リカバリを含む再構築アタックに抵抗し、光学構成や挑戦的な環境にわたって堅牢に一般化している。 コードはhttps://github.com/wangzy01/MSPNetで入手できる。

関連論文リスト

• A Parallel Region-Adaptive Differential Privacy Framework for Image Pixelization [4.738949927143789]
  差分的にプライベートなピクセル化は、ノイズ付加による視覚データの数学的に保証された保護を提供する。 本稿では,差分プライバシーの理論的厳密さと実用的な効率性を組み合わせた,並列な領域適応型画素化フレームワークを提案する。 提案手法は,GPU並列性を利用して,局所的複雑性に基づいてグリッドサイズとノイズスケールを適応的に調整し,実行時アクセラレーションを実現する。 これにより、高齢者ケア、スマートホームモニタリング、運転行動分析、群衆行動監視といったリアルタイムプライバシクリティカルなアプリケーションに適していることが検証される。
  論文  参考訳（メタデータ） (2025-11-06T10:51:20Z)
• RL-MoE: An Image-Based Privacy Preserving Approach In Intelligent Transportation System [0.9831489366502302]
  感性のある視覚データをプライバシ保護されたテキスト記述に変換する新しいフレームワークであるRL-MoEを提案する。 RL-MoEは、ニュアンス付きマルチアスペクトシーン分解のためのMixture-of-Experts(MoE)アーキテクチャと強化学習(RL)エージェントを組み合わせる。 私たちの仕事は、プライバシに敏感なドメインで信頼できるAIシステムを構築するための実用的でスケーラブルなソリューションを提供します。
  論文  参考訳（メタデータ） (2025-08-07T18:07:54Z)
• Urania: Differentially Private Insights into AI Use [102.27238986985698]
  $Urania$は、クラスタリング、パーティション選択、ヒストグラムベースの要約といったDPツールを活用することによって、エンドツーエンドのプライバシ保護を提供する。 結果は、厳密なユーザのプライバシを維持しながら、意味のある会話の洞察を抽出するフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2025-06-05T07:00:31Z)
• 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)
• Privacy-Enhancing Optical Embeddings for Lensless Classification [17.169529483306103]
  私たちは、低価格のLCDとRaspberry Piコンポーネントからプロトタイプを作り、合計で約100USDのコストで開発しています。 提案手法は, 変動マスクパターンを用いて, システムに逆らおうとする敵を阻止する方法を示す。
  論文  参考訳（メタデータ） (2022-11-23T11:12:21Z)
• Privacy-Preserving Action Recognition via Motion Difference Quantization [22.31448780032675]
  本稿では,BDQと呼ばれるシンプルかつ堅牢なプライバシ保護エンコーダを提案する。 ブラー、差分、量子化の3つのモジュールで構成されている。 3つのベンチマークデータセットの実験は、提案したエンコーダの設計が最先端のトレードオフを達成可能であることを示している。
  論文  参考訳（メタデータ） (2022-08-04T05:03:27Z)
• PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
  我々は、人間の行動認識パイプラインに沿って、堅牢な視覚的プライバシー保護を提供するための最適化フレームワークを提案する。 我々のフレームワークは、カメラレンズをパラメータ化して、ビデオの品質を劣化させ、プライバシー特性を抑え、敵の攻撃を防ぎます。
  論文  参考訳（メタデータ） (2022-06-08T13:43:29Z)
• 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)

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。