論文の概要: Face De-Identification: A Domain-Centric Survey from Capture to Processing
- arxiv url: http://arxiv.org/abs/2607.25926v1
- Date: Tue, 28 Jul 2026 16:15:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.916089
- Title: Face De-Identification: A Domain-Centric Survey from Capture to Processing
- Title（参考訳）: Face De-Identification: キャプチャーからプロセッシングまでのドメイン中心調査
- Abstract要約: face de-identification (De-ID)は、画像やビデオにおいて、個人が特定した顔の特徴を除去または隠蔽することを目的としている。
最近の進歩は、画像取得中に直接センサーにプライバシーメカニズムを統合することで、後処理を超えて顔のDe-IDを拡張している。
- 参考スコア（独自算出の注目度）: 24.624419105765867
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face de-identification (De-ID) aims to remove or conceal personally identifiable facial features in images or videos to prevent identity recognition while preserving utility for downstream tasks. With the rising emphasis on data privacy and responsible AI, face De-ID has emerged as an active research area spanning computer vision and privacy-preserving communities. Early approaches, and many contemporary ones, operate in the digital domain by modifying pixel-level or appearance-level features through post-capture processing. Recent advances extend face De-ID beyond post-processing by integrating privacy mechanisms directly into sensors during image acquisition, bridging sensing systems and downstream vision algorithms. In parallel, physical-domain methods explore wearable accessories and materials that conceal identity information in real-world environments prior to capture. In this survey, we present the first unified overview that spans the full data acquisition pipeline, encompassing the physical, sensor, and digital domains. Through this domain-centric lens, we systematically analyze current methodologies, technical progress, and the distinct challenges inherent to each stage. We then review and organize existing evaluation protocols, examining current practices and highlighting the critical need for standardized, comprehensive benchmarks. Finally, we identify key open problems and outline emerging research directions to guide future work in this rapidly evolving field. To support ongoing research, we maintain a project page that organizes relevant literature with collected datasets and open source code: https://github.com/CV-AC/Awesome-FaceDe-ID.
- Abstract（参考訳）: Face De-ID (Face De-identification) は、画像やビデオにおける個人識別可能な顔の特徴を削除または隠蔽することを目的としており、下流タスクのユーティリティを保ちながら、識別を防止している。
データプライバシと責任あるAIに注目が集まる中、Face De-IDはコンピュータビジョンとプライバシ保護コミュニティにまたがる活発な研究領域として登場した。
初期のアプローチや現代の多くのアプローチは、ポストキャプチャ処理によってピクセルレベルまたは外観レベルの特徴を変更することでデジタルドメインで機能する。
最近の進歩は、画像取得、ブリッジングセンシングシステム、下流視覚アルゴリズムの間、プライバシーメカニズムを直接センサーに組み込むことによって、後処理を超えて顔のDe-IDを拡張している。
並行して、物理的なドメイン手法は、キャプチャの前に現実の環境でアイデンティティ情報を隠蔽するウェアラブルアクセサリーや材料を探索する。
本調査では、物理、センサ、デジタルドメインを含む全データ取得パイプラインにまたがる、最初の統一された概要について述べる。
この領域中心レンズを通して、我々は現在の方法論、技術的進歩、および各ステージに固有の個別の課題を体系的に分析する。
次に、既存の評価プロトコルをレビューし、整理し、現在のプラクティスを調べ、標準化された包括的なベンチマークに対する重要なニーズを強調します。
最後に、鍵となるオープンな問題を特定し、この急速に発展する分野における今後の研究を導くための新たな研究の方向性を概説する。
進行中の研究をサポートするため、収集されたデータセットとオープンソースコードで関連する文献を整理するプロジェクトページを維持しています。
関連論文リスト
- Retrieval Augmented Generation and Understanding in Vision: A Survey and New Outlook [85.43403500874889]
Retrieval-augmented Generation (RAG) は人工知能(AI)において重要な技術である。
具体化されたAIのためのRAGの最近の進歩は、特に計画、タスク実行、マルチモーダル知覚、インタラクション、特殊ドメインの応用に焦点を当てている。
論文 参考訳（メタデータ） (2025-03-23T10:33:28Z) - Survey on Hand Gesture Recognition from Visual Input [1.0431392282476837]
ハンドジェスチャ認識は人間とコンピュータの相互作用の需要が増大する中で重要な研究領域となっている。
最近の研究、利用可能なソリューション、ベンチマークデータセットを包括的にカバーする調査はほとんどない。
本研究は,様々なカメラ入力データから手の動きと3次元手ポーズ認識の最新の進歩を調べることで,このギャップに対処する。
論文 参考訳（メタデータ） (2025-01-21T09:23:22Z) - Face De-identification: State-of-the-art Methods and Comparative Studies [32.333766763819796]
顔の特定は、顔画像のプライバシーを保護する効果的な手段とみなされる。
本稿では,現在最先端の顔識別手法を,ピクセルレベル,表現レベル,意味レベルという3つのレベルに分類する。
論文 参考訳（メタデータ） (2024-11-15T01:00:00Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。
この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。
本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
論文 参考訳（メタデータ） (2024-03-26T17:12:34Z) - RID-TWIN: An end-to-end pipeline for automatic face de-identification in videos [2.7569134765233536]
RID-Twinは、モーションからアイデンティティを分離して、ビデオの顔の自動識別を実行するパイプラインである。
本稿では,広く利用されているVoxCeleb2データセット上での方法論の性能を評価する。
論文 参考訳（メタデータ） (2024-03-15T06:59:21Z) - Data-Driven but Privacy-Conscious: Pedestrian Dataset De-identification
via Full-Body Person Synthesis [16.394031759681678]
ペデストリアンデータセットの復号化タスクを動機付け,導入する。
PDIは、所定の非識別法に対して、非識別度とダウンストリームタスクトレーニング性能を評価する。
私たちのデータは、プライバシを意識した方法で、合成から実際のパフォーマンスギャップを狭めることができるかを示します。
論文 参考訳（メタデータ） (2023-06-20T17:39:24Z) - Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。
本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。
提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
論文 参考訳（メタデータ） (2023-03-23T13:50:46Z) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳（メタデータ） (2022-11-07T17:20:39Z) - Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。
高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。
このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
論文 参考訳（メタデータ） (2021-05-27T23:34:06Z) - The Elements of End-to-end Deep Face Recognition: A Survey of Recent
Advances [56.432660252331495]
顔認識はコンピュータビジョンにおいて最も人気があり、長く続いたトピックの1つである。
ディープフェイス認識は目覚ましい進歩を遂げ、多くの現実世界のアプリケーションで広く利用されている。
本稿では,各要素の最近の進歩を概観する。
論文 参考訳（メタデータ） (2020-09-28T13:02:17Z)
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。