論文の概要: Privacy-Aware Synthetic Video Benchmarking and Relational Evaluation for Worker-Under-Suspended-Load Detection

• arxiv url: http://arxiv.org/abs/2607.16351v1
• Date: Fri, 17 Jul 2026 06:20:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.117609
• Title: Privacy-Aware Synthetic Video Benchmarking and Relational Evaluation for Worker-Under-Suspended-Load Detection
• Title（参考訳）: 作業者安楽死検出のためのプライバシ対応ビデオベンチマークと関係性評価
• Abstract要約: 我々はSynthSiteを紹介した。SynthSiteは、ロード構成、視点、乱雑な状況、監視条件にまたがる55のクリップからなる、集中型合成ビデオベンチマークである。 下流のハザード認識を損なうことなく、労働者の外観を抑えることができるかどうかを問う。 構造物の難読化は外観平滑化ベースラインよりもかなり下流の実用性を維持していることがわかった。
• 参考スコア（独自算出の注目度）: 46.13517417540154
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Publicly shareable construction-video benchmarks remain scarce, especially for safety-critical hazards that are rare, dangerous to stage, and difficult to release. We study worker under suspended load, a relational hazard that depends on worker-load geometry and temporal persistence rather than object detection alone. We introduce SynthSite, a focused synthetic video benchmark of 55 clips spanning varied load configurations, viewpoints, clutter, occlusions, and surveillance conditions, together with a privacy-aware hybrid generation workflow that supports both publicly shareable benchmark creation and privacy-constrained synthetic video generation. We then ask whether worker appearance can be suppressed without undermining downstream hazard recognition. Under five whole-body privacy conditions, we evaluate worker and load retention, localization stability, and clip-level hazard recognition. We find that structure-preserving obfuscations retain substantially more downstream utility than appearance-smoothing baselines, and that preserving a raw visual reference alone does not guarantee the strongest agreement with human hazard labels. These findings suggest that privacy evaluation for construction safety analytics should assess not only appearance suppression, but also preservation of the geometric cues required for hazard reasoning. Our dataset and code are available at https://huggingface.co/datasets/govtech/SynthSite .
• Abstract（参考訳）: パブリックな共有可能な建設ビデオベンチマークは、特に稀で、ステージにとって危険で、リリースが難しい安全上の危険に対して、依然として不足している。 本研究は,作業員の負荷と時間的持続性に依存するリレーショナルハザードである,懸濁荷重下での作業者について検討する。 我々はSynthSiteを紹介した。SynthSiteは、ロード構成、視点、クラッタ、オクルージョン、監視条件にまたがる55クリップの集中型合成ビデオベンチマークであり、パブリックな共有可能なベンチマーク作成と、プライバシに制約のある合成ビデオ生成の両方をサポートする、プライバシ対応のハイブリッド生成ワークフローも導入する。 そして、下流のハザード認識を損なうことなく、労働者の外観を抑えることができるかどうかを問う。 作業者および負荷保持,ローカライゼーション安定性,クリップレベルのハザード認識の5つのプライバシー条件について検討した。 構造保存難読化は、外観平滑化ベースラインよりもかなり下流で有効であり、生の視覚的参照のみを保存することは、ヒトのハザードラベルとの強い合意を保証するものではない。 これらの結果から,建築安全分析のためのプライバシ評価は,外観抑制だけでなく,危険推論に必要な幾何学的手がかりの保存も評価すべきであることが示唆された。 私たちのデータセットとコードはhttps://huggingface.co/datasets/govtech/SynthSite で公開されています。

関連論文リスト

• Privacy, Robustness, and Fairness Trade-offs in Federated Intrusion Detection: Geometric Indistinguishability at the Aggregation Interface [1.3037017215576172]
  フェデレーション学習は、センシティブなトラフィックデータを集中化せずに、プライバシを重視したネットワーク侵入検出を可能にする。 これは3つの競合する要件を同時に満たさなければならない: 公式な差分プライバシー保証、ビザンチンと敵対する参加者への寛容、重度の不均衡な攻撃カテゴリにわたる信頼性のある検出カバレッジ。 本研究では,これらの要求がクラス不均衡なNIDSにおいてどのように相互作用するかを考察し,クライアント更新におけるプライバシーによる分散が,ロバストアグリゲーションの保存を困難にしている状況において,幾何学的不明瞭性を概念レンズとして導入する。
  論文  参考訳（メタデータ） (2026-09-03T06:27:03Z)
• Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle [65.6642776933861]
  この介入点付近で成長した保護パラダイムについて検討する。 ほとんどの保護は、主に静的あるいは弱い適応的な敵に対して検証されている。 我々は、堅牢で構成可能で、デプロイ可能な所有者側の保護のために、クロスステージ対策とオープンな問題を統合することで、閉鎖する。
  論文  参考訳（メタデータ） (2026-08-05T00:46:50Z)
• Hidden in Plain Sight: Benchmarking Agent Safety Against Decomposition Attacks with DECOMPBENCH [21.171990974350773]
  DeCompBenchは、分解攻撃時のエージェント安全性を評価するために設計されたベンチマークである。 実験の結果, モノリシックな有害なタスクに対して, 最先端のエージェントは高い拒絶率を示すが, 変異に対する拒絶率は著しく低いことがわかった。
  論文  参考訳（メタデータ） (2026-06-12T00:30:29Z)
• What Your Posts Reveal: A Benchmark and Agentic Framework for User-Level Privacy Leakage on Social Media [14.75272852371927]
  パブリックなソーシャルメディア投稿は、テキスト、画像、メタデータに散らばる弱い手がかりを通じて、プライベートな情報を明らかにすることができる。 我々は、RednoteおよびInstagramアカウントのプライベートリファレンスコーパスから抽象化されたリークパターンによってガイドされる合成ベンチマークであるSopriBenchを提案する。 帰納的推論にインスパイアされたArgusは,累積リーク推論のためのトレーニング不要なエージェントフレームワークである。
  論文  参考訳（メタデータ） (2026-06-05T00:02:47Z)
• Rethinking Visual Privacy: A Compositional Privacy Risk Framework for Severity Assessment with VLMs [58.7856837806126]
  既存のビジュアルプライバシベンチマークでは、プライバシをバイナリプロパティとして扱い、可視性のあるコンテンツに基づいて、イメージをプライベートまたは非プライベートとしてラベル付けしている。 我々は、プライバシーは基本的に構成的だと主張する。孤立した属性が組み合わさって、厳しいプライバシー侵害が発生するかもしれない。 本研究は,構成的プライバシーリスク分類法 (CPRT) について紹介する。これは,独立した識別可能性と構成的害ポテンシャルに基づいて視覚的属性を整理する,規制を意識したフレームワークである。
  論文  参考訳（メタデータ） (2026-03-23T04:48:42Z)
• HomeGuard: VLM-based Embodied Safeguard for Identifying Contextual Risk in Household Task [42.665798473119516]
  CG-CoT(Context-Guided Chain-of-Thought)を特徴とするアーキテクチャ非依存型セーフガードを提案する。 CG-CoTは、リスクアセスメントをアクティブな知覚に分解し、相互作用対象や関連する空間近傍への注意を順次固定する。 実験により、我々のモデルであるHomeGuardは安全性を大幅に向上し、ベースモデルと比較してリスクマッチ率を30%以上改善することが示された。
  論文  参考訳（メタデータ） (2026-03-15T13:09:43Z)
• Benchmarking Knowledge-Extraction Attack and Defense on Retrieval-Augmented Generation [50.87199039334856]
  Retrieval-Augmented Generation (RAG) は知識集約型アプリケーションの基礎となっている。 近年の研究では、悪意あるクエリによって知識抽出攻撃が機密知識ベースコンテンツを回復できることが示されている。 本稿では,RAGシステムに対する知識抽出攻撃のための最初の体系的ベンチマークを紹介する。
  論文  参考訳（メタデータ） (2026-02-10T01:27:46Z)
• Privacy Collapse: Benign Fine-Tuning Can Break Contextual Privacy in Language Models [47.866853046761044]
  トレーニングデータの多様で微妙なパターンは、コンテキストプライバシを低下させる可能性がある。 微調整されたモデルは、コンテキストプライバシの規範を推論する能力を失う。 この結果から, 現状の安全性評価に重大なギャップがあることが判明した。
  論文  参考訳（メタデータ） (2026-01-21T17:53:06Z)
• On the MIA Vulnerability Gap Between Private GANs and Diffusion Models [51.53790101362898]
  GAN(Generative Adversarial Networks)と拡散モデルが高品質な画像合成のための主要なアプローチとして登場している。 差分自己生成モデルが直面するプライバシーリスクの統一的および実証的分析について述べる。
  論文  参考訳（メタデータ） (2025-09-03T14:18:22Z)
• Video-SafetyBench: A Benchmark for Safety Evaluation of Video LVLMs [45.265397990158846]
  Video-SafetyBenchは、ビデオテキスト攻撃下でのLVLMの安全性を評価するために設計された最初のベンチマークである。 ビデオテキストのペアは2,264で、48のきめ細かいアンセーフなカテゴリにまたがっている。 安全性評価のためのセマンティックなビデオを生成するために,ビデオ意味論を主題画像とモーションテキストに分解する制御可能なパイプラインを設計する。
  論文  参考訳（メタデータ） (2025-05-17T05:06:38Z)
• The Inadequacy of Similarity-based Privacy Metrics: Privacy Attacks against "Truly Anonymous" Synthetic Datasets [12.730435519914415]
  実世界の合成データデプロイメントで使用されるプライバシメトリクスを調べ、その信頼性をいくつかの点で実証する。 ReconSynは、メトリクスによってプライベートと見なされるが、個々のレコードに固有の情報をリークする複数の合成データセットを生成するリコンストラクション攻撃である。 ReconSynは列車データから78-100%のアウトレーヤを復元し、ブラックボックスアクセスのみを1つの適合した生成モデルとプライバシメトリクスに含める。
  論文  参考訳（メタデータ） (2023-12-08T15:42:28Z)

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。