論文の概要: A Category-Selective Encryption Framework for Privacy Protection of UAV Images

• arxiv url: http://arxiv.org/abs/2610.35729v1
• Date: Mon, 26 Oct 2026 16:46:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.117391
• Title: A Category-Selective Encryption Framework for Privacy Protection of UAV Images
• Title（参考訳）: UAV画像のプライバシー保護のためのカテゴリ選択暗号化フレームワーク
• Abstract要約: 本稿では,プライバシー保護型UAV監視のためのカテゴリ選択型暗号化フレームワークを提案する。 このフレームワークは、Thumbnail-Preserving Encryption (TPE)とEnhanced U-NetとXORストリーム暗号の2つの補完的な暗号化スキームをサポートしている。
• 参考スコア（独自算出の注目度）: 5.132703570079047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Imagery captured by unmanned aerial vehicle (UAV) systems increasingly raises privacy concerns, as UAV aerial surveillance routinely captures sensitive objects such as pedestrians and vehicles alongside ordinary scene content. Existing privacy-preserving approaches typically employ class-agnostic saliency detection to indiscriminately obfuscate all visually salient regions, leading to unnecessary information loss and hindering downstream scene analysis. This paper proposes a category-selective encryption framework for privacy-preserving UAV surveillance. The core advance over prior class-agnostic approaches is semantic-level selectivity: the system first recognizes what is present in the scene via an 80-class detector, then encrypts only user-specified sensitive categories while leaving non-sensitive objects and background intact for downstream analytics. The framework supports two complementary encryption schemes: Thumbnail-Preserving Encryption (TPE), which applies adaptive pixelation with a learnable blend parameter and recovers content through a jointly trained Enhanced U-Net, and XOR stream cipher encryption, which offers parameter-free, mathematically exact reversibility. The architectural design, composite loss formulation, and joint training methodology are presented in detail, establishing a foundation for practical privacy-preserving UAV surveillance that balances protection strength and scene utility.
• Abstract（参考訳）: 無人航空機(UAV)システムによって撮影された画像は、通常のシーンコンテンツとともに歩行者や車両などの機密性の高い物体を日常的に捉えているため、プライバシー上の懸念が高まる。 既存のプライバシ保護アプローチでは、クラス非依存のサリエンシ検出を使用して、すべての視覚的サリエント領域を無差別に隠蔽し、不要な情報損失と下流のシーン分析を妨げる。 本稿では,プライバシー保護型UAV監視のためのカテゴリ選択型暗号化フレームワークを提案する。 システムはまず、80クラスの検出器を介してシーンに存在するものを認識し、その後、ユーザが指定した機密カテゴリのみを暗号化し、非機密オブジェクトとバックグラウンドをダウンストリーム分析のためにそのまま残します。 Thumbnail-Preserving Encryption (TPE)は、学習可能なブレンドパラメータで適応ピクセル化を適用し、共同で訓練された拡張U-Netを通じてコンテンツを復元する。 建築設計、複合損失の定式化、共同訓練の方法論を詳述し、保護強度とシーンユーティリティのバランスをとるための実用的プライバシー保護型UAV監視の基礎を確立した。

関連論文リスト

• Primitive-Driven Compositional Forensic Visual Prompting for Open-World Face Anti-Spoofing [59.765442274924595]
  視覚的特徴空間で完全に機能する合成視覚的プロンプト学習フレームワークを提案する。 このフレームワークは、学習可能なマイクロ法医学的プリミティブの共有セットを局所的な法医学的エビデンスユニットに洗練するためにパッチ対応の注意を払っている。 9つのオープンワールドプロトコルの実験は、最先端のパフォーマンス、強力なクロスドメインの一般化、そして目に見えない攻撃への堅牢な適応を示す。
  論文  参考訳（メタデータ） (2026-08-18T04:18:08Z)
• DisDop: Distillation with Domain Priors for Open-Vocabulary Aerial Object Detection [75.11656789221072]
  リモートセンシング基礎モデルからマルチレベルドメインを抽出する統合フレームワークであるDisDopを提案する。 DisDopは、オープンボキャブラリ空中検出ベンチマーク上で、最先端のパフォーマンスを新たに実現している。
  論文  参考訳（メタデータ） (2026-05-23T16:01:20Z)
• Lens Privacy Sealing: A New Benchmark and Method for Physical Privacy-Preserving Action Recognition [45.858644584022635]
  RGBカメラベースの監視システムは、公共の安全と医療のための人間の行動認識を可能にする。 既存の方法は、データ取得時のプライバシ保護に失敗する、キャプチャ後アルゴリズムに依存している。 我々は、調整可能なフィルムでカメラレンズを物理的に隠蔽するシンプルなハードウェアソリューションであるLens Privacy Sealing (LPS)を提案する。
  論文  参考訳（メタデータ） (2026-05-19T09:21:57Z)
• 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)
• 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)
• Recoverable Privacy-Preserving Image Classification through Noise-like Adversarial Examples [26.026171363346975]
  分類などのクラウドベースの画像関連サービスが重要になっている。 本研究では,新しいプライバシー保護画像分類手法を提案する。 暗号化された画像は、秘密鍵を使用して、高い忠実度(保存可能な)で元の形式に復号することができる。
  論文  参考訳（メタデータ） (2023-10-19T13:01:58Z)
• Human-imperceptible, Machine-recognizable Images [76.01951148048603]
  より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。 画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。 提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
  論文  参考訳（メタデータ） (2023-06-06T13:41:37Z)
• 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。