論文の概要: Conditional Imaging for Privacy-Preserving Visual Sensing
- arxiv url: http://arxiv.org/abs/2610.28835v1
- Date: Tue, 20 Oct 2026 19:02:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 09:50:43.215279
- Title: Conditional Imaging for Privacy-Preserving Visual Sensing
- Title（参考訳）: プライバシ保護型視覚センシングのためのコンディショナルイメージング
- Abstract要約: 既存の保護装置は、画像が生成された後にのみ視覚的コンテンツを保護するか、後続の回復を防ぐ方法で捕捉中の情報を抑制するかのいずれかである。
我々は,静的光学系において,プライバシとリカバリ性が同時に達成できないという情報理論解析を通して示す。
撮影フレームごとの光学状態を変化させるコンディショナルイメージング手法を提案する。
- 参考スコア（独自算出の注目度）: 17.138357412621875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conventional visual sensing faces a fundamental dilemma: information that should remain private today may need to be recovered tomorrow. This challenge is becoming increasingly important as cameras become pervasive in our daily surroundings. Existing safeguards either protect visual content only after an image is formed or suppress information during capture in ways that prevent its later recovery. Here, we show through an information-theoretic analysis that privacy and recoverability cannot be achieved simultaneously in static optical systems. Information preserved in a measurement for later reconstruction also remains available to an observer of that measurement, limiting the privacy such systems can provide. To overcome this limitation, we introduce conditional imaging, an imaging approach that changes the optical state for every captured frame. The measurement alone conceals the scene, while knowledge of the corresponding physical system state enables its reconstruction. We analyze how the optical parameters determine the information that can be recovered and use this analysis to guide the design of a camera prototype. We evaluate the system on a captured dataset of human faces using increasingly powerful attempts to recover the scene, from direct visualization and computational inversion to learned reconstruction and identity recognition. Our experiments show that conditional imaging preserves identity in authorized reconstructions while withholding visual information from observers without access to the system state. By making the physical state of the camera part of the information needed for reconstruction, conditional imaging enables visual information to be protected at the point of capture while remaining recoverable for future authorized use.
- Abstract（参考訳）: 従来の視覚センサーは基本的なジレンマに直面している。
カメラが私たちの日常の環境に広まるにつれ、この課題はますます重要になりつつある。
既存の保護装置は、画像が生成された後にのみ視覚的コンテンツを保護するか、後続の回復を防ぐ方法で捕捉中の情報を抑制するかのいずれかである。
本稿では,静的光学系において,プライバシとリカバリ性が同時に達成できないという情報理論解析を通して述べる。
後の再建のための測定で保存された情報は、その測定のオブザーバーにも利用可能であり、そのようなシステムが提供できるプライバシーを制限する。
この制限を克服するために,各撮影フレームの光学状態を変化させるコンディショナルイメージングを導入する。
測定単独でシーンを隠蔽し、対応する物理的システム状態の知識は、その再構築を可能にする。
我々は、光学パラメータが回復可能な情報をどのように決定するかを分析し、この分析を用いて、カメラプロトタイプの設計をガイドする。
直接可視化や計算の逆転から学習した再構築や識別まで,より強力なシーン復元の試みを用いて,人間の顔のキャプチャーデータセット上でシステム評価を行った。
実験の結果,条件付き画像はシステム状態にアクセスせずに観察者からの視覚情報を保持しながら,認証された再構成におけるアイデンティティを保っていることがわかった。
コンディショナルイメージングは、再構成に必要な情報の一部をカメラの物理的状態にすることで、将来的な使用のために回復可能でありながら、キャプチャの時点で視覚情報を保護することができる。
関連論文リスト
- Privacy-Aware Camera 2.0 Technical Report [48.075034699787004]
物理脱感化、暗号化、難読化など、既存のプライバシー保護アプローチは、セマンティック理解を損なうことが多い。
本稿では,AI Flowパラダイムと協調エッジクラウドアーキテクチャに基づく,新たなプライバシ保護認知フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-05T03:46:20Z) - SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。
SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。
認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
論文 参考訳（メタデータ） (2026-02-04T19:30:48Z) - Image selective encryption analysis using mutual information in CNN based embedding space [2.66269503676104]
本研究は,情報理論上の保証がまだ探索されていない領域である画像データの漏洩について検討する。
深層学習,情報理論,暗号の交わりにおいて,選択的に暗号化された画像からの漏洩を検出するために相互情報(MI)推定器を用いて検討する。
論文 参考訳（メタデータ） (2025-08-12T10:39:31Z) - 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) - OpticalDR: A Deep Optical Imaging Model for Privacy-Protective
Depression Recognition [66.91236298878383]
抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。
我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。
正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
論文 参考訳（メタデータ） (2024-02-29T01:20:29Z) - Unrecognizable Yet Identifiable: Image Distortion with Preserved Embeddings [22.338328674283062]
本稿では,ニューラルネットワークモデルによる顔画像の識別性を保ちながら,目に対して認識不能な顔画像を描画する,革新的な画像変換手法を提案する。
提案手法は、様々な人工知能アプリケーションにおいて、視覚データを歪曲し、派生した特徴を近接に保つために使用することができる。
同一の認識精度を維持しつつ、画像内容が70%以上変化する歪みを構築することができることを示す。
論文 参考訳（メタデータ） (2024-01-26T18:20:53Z) - 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) - Human-Imperceptible Identification with Learnable Lensless Imaging [12.571999330435801]
認識精度を維持しながら、視覚的プライバシを保護する学習可能なレンズレスイメージングフレームワークを提案する。
得られた画像が人間に知覚できないようにするために, 総変動, 可逆性, 制限された等尺性に基づいて, いくつかの損失関数を設計した。
論文 参考訳（メタデータ） (2023-02-04T22:58:46Z) - PrivacyProber: Assessment and Detection of Soft-Biometric
Privacy-Enhancing Techniques [1.790445868185437]
そこで本研究では, バイオメトリック・プライバシ・エンハンシング技術を用いて, 回復の試みの信頼性について検討する。
プライバシ強化顔画像からソフトバイオメトリック情報を復元するための高レベルフレームワークであるPrivacyProberを提案する。
論文 参考訳（メタデータ） (2022-11-16T12:20:18Z) - Privacy-Preserving Image Acquisition Using Trainable Optical Kernel [50.1239616836174]
本稿では、画像センサに到達する前に、光学領域の感度の高い識別情報を除去する訓練可能な画像取得手法を提案する。
イメージセンサに到達する前に、センシティブなコンテンツが抑制されるため、デジタルドメインには入らないため、いかなる種類のプライバシー攻撃でも検索できない。
論文 参考訳（メタデータ） (2021-06-28T11:08:14Z)
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。