Fugu-MT 論文翻訳(概要): Privacy-Preserving Object Detection for Vision Transformer-Based Models

論文の概要: Privacy-Preserving Object Detection for Vision Transformer-Based Models

arxiv url: http://arxiv.org/abs/2608.20712v1
Date: Fri, 21 Aug 2026 03:40:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-24 14:49:32.360069
Title: Privacy-Preserving Object Detection for Vision Transformer-Based Models
Title（参考訳）: 視覚変換器モデルのためのプライバシ保護対象検出
Abstract要約: 本稿では,初めて知覚暗号を用いた物体検出手法を提案する。提案手法は,保護を伴わないモデルとほぼ同一の精度を達成できる。
参考スコア（独自算出の注目度）: 1.2744523252873348
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a novel object detection method that enables us to protect sensitive visual information of test images. Previous studies considering visual information protection focus on image classification tasks. This paper proposes an object detection method using perceptual encryption for the first time. The proposed method can achieve almost the same accuracy as that of models without any protection by utilizing the embedding structure of the Vision Transformer (ViT) and a domain adaptation technique with keys. In experiments, the effectiveness of the proposed method is verified in terms of accuracy and visual protection under the use of ViTdet, which is a ViT-based object detection model.
Abstract（参考訳）: 本研究では,テスト画像の視覚情報を保護するための新しいオブジェクト検出手法を提案する。視覚情報保護を考慮した以前の研究は、画像分類作業に重点を置いていた。本稿では,初めて知覚暗号を用いた物体検出手法を提案する。提案手法は,ViT(Vision Transformer)の組込み構造とキーを用いたドメイン適応手法を用いることで,保護のないモデルとほぼ同じ精度を実現することができる。実験では,ViTを用いた物体検出モデルであるViTdetを用いて,精度と視覚的保護の観点から,提案手法の有効性を検証した。

関連論文リスト

Learning Background Prompts to Discover Implicit Knowledge for Open Vocabulary Object Detection [101.15777242546649]
Open vocabulary Object Detection (OVD) は、ベースと新規の両方のカテゴリからオブジェクトを認識できる最適なオブジェクト検出器を求めることを目的としている。近年の進歩は、知識蒸留を利用して、事前訓練された大規模視覚言語モデルからオブジェクト検出のタスクに洞察力のある知識を伝達している。本稿では,暗黙的背景知識を活用するための学習バックグラウンドプロンプトを提案するため,LBPと呼ばれる新しいOVDフレームワークを提案する。
論文参考訳（メタデータ） (2024-06-01T17:32:26Z)
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)
Taming Encoder for Zero Fine-tuning Image Customization with Text-to-Image Diffusion Models [55.04969603431266]
本稿では,ユーザが指定したカスタマイズされたオブジェクトの画像を生成する手法を提案する。この手法は、従来のアプローチで要求される長大な最適化をバイパスする一般的なフレームワークに基づいている。提案手法は, 出力品質, 外観の多様性, 被写体忠実度を考慮した画像合成が可能であることを示す。
論文参考訳（メタデータ） (2023-04-05T17:59:32Z)
Few-Shot Object Detection by Knowledge Distillation Using Bag-of-Visual-Words Representations [58.48995335728938]
対象検出器の学習を導くための新しい知識蒸留フレームワークを設計する。まず,視覚単語の代表的な袋を学習するための単語の位置認識モデルを提案する。次に、2つの異なる特徴空間において、画像が一貫したBoVW表現を持つべきであるという事実に基づいて知識蒸留を行う。
論文参考訳（メタデータ） (2022-07-25T10:40:40Z)
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)
ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
画像操作の検出とローカライズを行うObjectFormerを提案する。画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
論文参考訳（メタデータ） (2022-03-28T12:27:34Z)
Visual Grounding with Transformers [43.40192909920495]
我々のアプローチはトランスエンコーダデコーダ上に構築されており、事前訓練された検出器や単語埋め込みモデルとは独立している。提案手法は5つのベンチマークにおいて,最先端のプロポーザルフリーアプローチよりもかなり優れている。
論文参考訳（メタデータ） (2021-05-10T11:46:12Z)
Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文参考訳（メタデータ） (2020-11-17T09:39:42Z)
Modification method for single-stage object detectors that allows to exploit the temporal behaviour of a scene to improve detection accuracy [0.0]
修正されたニューラルネットワークは、修正されていないものよりも、より信頼性の高い隠されたオブジェクトを検出する傾向がある。付加的なアノテートデータを必要とせずに修正ネットワークをトレーニングできる弱い教師付きトレーニング手法が提案されている。
論文参考訳（メタデータ） (2020-09-03T12:38:55Z)
Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
論文参考訳（メタデータ） (2020-03-29T04:23:22Z)
Learning Object Scale With Click Supervision for Object Detection [29.421113887739413]
本稿では,CNN視覚化をクリック管理に組み込んで擬似地下構造を生成する,シンプルで効果的な手法を提案する。これらの擬似グラウンドトラスカンは、完全に監視された検出器の訓練に使用される。 PASCAL VOC2007 とVOC 2012 データセットによる実験結果から,提案手法はオブジェクトのスケールを推定する上で,はるかに高い精度が得られることが示された。
論文参考訳（メタデータ） (2020-02-20T03:59:46Z)

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。