論文の概要: Swapping Faces, Saving Features: A Dual-Purpose Pipeline for Pedestrian Privacy in ITS

• arxiv url: http://arxiv.org/abs/2607.08402v1
• Date: Thu, 09 Jul 2026 12:27:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.525959
• Title: Swapping Faces, Saving Features: A Dual-Purpose Pipeline for Pedestrian Privacy in ITS
• Title（参考訳）: 顔のスワッピング、特徴の保存:ITSにおける歩行者プライバシのための二重目的パイプライン
• Abstract要約: この研究は、顔交換を通じて歩行者のプライバシーを保護するために、5段階のパイプラインを実装することを目的としている。 Egy-DRiVeSデータセットのプライバシー要件を満たすように調整する必要がある。 Roopはパイプラインで使用されるフェイススワッピングモデルで、アイデンティティの隠蔽による歩行者のプライバシーと、顔認識属性の保存によるデータのユーザビリティのバランスを崩す。
• 参考スコア（独自算出の注目度）: 0.9668407688201359
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large-scale and diverse datasets are needed to train AI models to take real-time decisions for autonomous vehicles (AVs), an intelligent transportation system (ITS) application. Pedestrian intention and trajectory prediction are critical models used in AVs, requiring datasets involving diverse pedestrian images. Unrestricted access to these datasets imposes serious security risks, like identity theft and pedestrian tracking. The challenge is to apply privacy preservation procedures while maintaining the image attributes needed to train the models. Existing privacy methods may preserve the pedestrian's privacy, but degrade the image usability, which hinders the models' effectiveness. This work's focus is to implement a five-stage pipeline to protect pedestrians' privacy through face swapping while keeping the essential facial attributes intact. It should be tailored to satisfy the privacy needs of the Egy-DRiVeS dataset. Moreover, Roop and Ghost-v2 face-swapping models are evaluated. Provenly, Roop outperforms Ghost-v2 in various aspects, as will be discussed. Consequently, Roop is the face-swapping model to be used in the pipeline to strike the balance between pedestrian privacy via identity concealment and data usability via facial attribute preservation.
• Abstract（参考訳）: インテリジェントトランスポートシステム(ITS)アプリケーションである自律走行車(AV)のリアルタイム決定を行うために、AIモデルをトレーニングするためには、大規模で多様なデータセットが必要である。 歩行者の意図と軌道予測はAVで使用される重要なモデルであり、多様な歩行者画像を含むデータセットを必要とする。 これらのデータセットへの制限のないアクセスは、ID盗難や歩行者追跡といった深刻なセキュリティリスクを課す。 課題は、モデルのトレーニングに必要なイメージ属性を維持しながら、プライバシ保護手順を適用することだ。 既存のプライバシー手法は歩行者のプライバシーを保護できるが、画像のユーザビリティを低下させ、モデルの有効性を妨げている。 この作業は、顔の特徴をそのまま維持しつつ、顔交換を通じて歩行者のプライバシを保護するために、5段階のパイプラインを実装することに焦点を当てている。 Egy-DRiVeSデータセットのプライバシー要件を満たすように調整する必要がある。 さらに,RoopとGhost-v2のフェイススワッピングモデルの評価を行った。 論じられるように、RoopはGhost-v2を様々な面で上回っている。 その結果、Roopはパイプラインで使用されるフェイススワッピングモデルであり、アイデンティティの隠蔽による歩行者のプライバシーと、顔属性の保存によるデータのユーザビリティのバランスを崩すのに使用される。

関連論文リスト

• DP^2-VL: Private Photo Dataset Protection by Data Poisoning for Vision-Language Models [47.98028812152569]
  アイデンティティ・アフィリエイト学習というプライバシ・脅威モデルを提案する。 攻撃者は、ターゲット個人の数枚のプライベート写真を使用して、VLMを微調整する。 このモデルにより、写真入力時に対象ユーザの個人情報を不正に露呈することができる。 このプライバシーリスクを軽減するため、プライベート写真のための最初のデータセット保護フレームワークDP2-VLを提案する。
  論文  参考訳（メタデータ） (2026-03-25T04:30:42Z)
• Privacy-Preserving in Connected and Autonomous Vehicles Through Vision to Text Transformation [0.9831489366502302]
  本稿では,フィードバックベース強化学習(RL)と視覚言語モデル(VLM)を活用した,新たなプライバシ保護フレームワークを提案する。 イメージを意味論的に等価なテキスト記述に変換し、視覚的プライバシが保持されている間にシーン関連情報が保持されることを保証する。 評価結果は,プライバシ保護とテキスト品質の両方において,大幅な改善が見られた。
  論文  参考訳（メタデータ） (2025-06-18T20:02:24Z)
• PersGuard: Preventing Malicious Personalization via Backdoor Attacks on Pre-trained Text-to-Image Diffusion Models [51.458089902581456]
  特定の画像の悪質なパーソナライズを防ぐ新しいバックドアベースのアプローチであるPersGuardを紹介する。 我々の手法は既存の技術よりも優れており、プライバシーと著作権保護に対するより堅牢なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-02-22T09:47:55Z)
• SVIA: A Street View Image Anonymization Framework for Self-Driving Applications [18.30159119462861]
  自動運転アプリケーションのためのストリートビュー画像匿名化フレームワークを提案する。 SVIAフレームワークは、セマンティックセグメンタ、プライバシに敏感な領域の代替を生成するインペイント、修正された領域をシームレスに縫合するハーモナイザの3つの統合コンポーネントで構成されている。 既存の方法と比較して、SVIAは画像生成の品質とプライバシ保護のトレードオフをはるかに改善している。
  論文  参考訳（メタデータ） (2025-01-16T09:05:46Z)
• 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)
• Transferable Adversarial Facial Images for Privacy Protection [15.211743719312613]
  視覚的品質を維持しつつ、転送性を改善した新しい顔プライバシー保護方式を提案する。 生成モデルの潜在空間をトラバースするために,まずグローバルな逆潜時探索を利用する。 次に、視覚的アイデンティティ情報を保存するための重要なランドマーク正規化モジュールを導入する。
  論文  参考訳（メタデータ） (2024-07-18T02:16:11Z)
• Facial Data Minimization: Shallow Model as Your Privacy Filter [44.21738197282953]
  近年,顔データ漏洩によるセキュリティやプライバシの問題が数多く発生している。 本稿では,データプライバシ最小化変換(PMT)手法を提案する。 PMTは、認可されたサービスの浅いモデルに基づいて元の顔データを処理し、難読化されたデータを得る。
  論文  参考訳（メタデータ） (2023-10-24T07:54:39Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• Hiding Visual Information via Obfuscating Adversarial Perturbations [47.315523613407244]
  本稿では,データの視覚的プライバシを保護するために,敵対的な視覚情報隠蔽手法を提案する。 具体的には、データの視覚情報を隠蔽する難読化対向摂動を生成する。 認識・分類タスクの実験結果から,提案手法が視覚情報を効果的に隠蔽できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-30T08:23:26Z)
• 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)

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。