Jun, 2024

用于匿名学习图像压缩的感兴趣区域损失

PDF
TL;DR在公共空间使用人工智能不断引发对隐私和敏感数据保护的担忧，本论文介绍了一种使用定制损失函数的 ROI 来实现足够去识别化的方法，通过训练端到端优化的自编码器来实现压缩和去识别化，同时考虑了压缩率、延迟和对人脸和人物检测模型的影响。
aipublic spacesprivacyanonymizationcompression
发现论文，激发创造
  • 基于 ROI 的 Swin Transformers 深度图像压缩

    本文提出了一种利用 Swin transformer 作为自编码器网络的主要构建模块，将二进制 ROI 掩模集成到不同层的网络中，以提供空间信息指导。实验结果表明，这种模型在 ROI PSNR 方面优于其他方法，在 COOCO 验证集上具有更好的目标检测和实例分割性能。

    May, 2023

  • 图片匿名化是否影响计算机视觉训练？

    本文研究图像匿名化对计算机视觉模型训练的影响，检验了传统和逼真匿名化对人脸和全身数据集中检测、实例分割和姿态估计任务的影响，结果表明逼真匿名化最大降低可达到维护隐私的同时保持计算机视觉模型性能。

    Jun, 2023

  • 基于 Transformer 的变率图像压缩与感兴趣区域控制

    本文提出了一种基于 transformer 学习的图像压缩系统，通过使用 prompt generation 网络，支持 RO I 功能，并允许同时实现可变速和 ROI 编码。实验结果表明，该方法优于其他竞争方法。

    May, 2023

  • 基于目标区域学习的机器图像编码

    通过深度学习，我们提出了一种学习对象区域的图像压缩模型，它不需要额外的信息作为输入，并且可以适用于不同的图像识别模型。

    Aug, 2023

  • AI 技术对特征保留上下文中的工业图像和视频数据进行匿名化研究

    随着技术的不断提升，保护隐私信息变得越来越重要。本研究应用基于深度学习的全身匿名化框架 DeepPrivacy2，将人工身份生成应用于工业图像和视频数据，并与传统匿名化技术进行性能比较，考虑了身份生成质量、时间一致性以及姿势估计和动作识别的适用性。

    May, 2024

  • 遮挡人物再识别的区域生成与评估网络

    利用区域生成和评估网络（RGANet）有效而高效地检测人体区域并突出重要区域，通过区域生成模块（RGM）和区域评估模块（RAM）解决了现有人物再识别方法中存在的挑战，如失配和遮挡以及外部工具和比对策略带来的不可靠性和噪声敏感性。

    Sep, 2023

  • 通过辅助损失优化编码器提高机器图像编码

    通过辅助损失训练编码器以提升其识别能力和速率失真性能的一种新型学习图像编码方法，相较于传统训练方法，在物体检测和语义分割任务中分别实现了 27.7% 和 20.3% 的 Bjontegaard Delta 速率改进。

    Feb, 2024

  • 通过事件匿名化实现无需身份识别的个体再识别

    通过提出一种端到端网络架构，在保护身份隐私的同时完成下游任务（如人物重新识别），我们旨在对事件流进行匿名化处理，以防止从事件相机重构图像的攻击，方法是学习对事件进行混淆，从而降低攻击者从隐私信息中恢复图像的能力。我们还通过丰富的实验验证了我们的方法，并报告了在从公开可用的 SoftBio 数据集和我们提出的 Event-ReId 数据集模拟的合成事件数据上的结果。

    Aug, 2023

  • 连接像素与隐私与效用：自动遮挡图片中的私人信息

    本文提出 “分割式打码” 方法，通过对用户研究发现，对涉及个人信息的图片区域进行模糊处理可以保护个人隐私，同时保留图片的有效信息。为此，我们提出了第一个包含多类隐私信息的大规模私人图像数据集，并提出了第一个自动打码模型。

    Dec, 2017

  • 跨摄像机兴趣区域优化：大规模高效实时视频分析

    CrossRoI 是一种资源有效的系统，通过利用视频内容的关联性和冗余性在规模上实现实时视频分析，其中包括离线相位建立跨相机关系的决策，以及高效在线相位的实时视频推理，同时比基线方法具有更高的查询准确性和较高的性能收益。

    May, 2021