Selective manipulation of disentangled representations for privacy-aware facial image processing

要約

カメラ センサーは、インテリジェントな監視などのさまざまなタスクを実行するために、ますます機械学習と組み合わされています。
計算が複雑なため、これらの機械学習アルゴリズムのほとんどは、処理のためにクラウドにオフロードされます。
ただし、ユーザーは、サードパーティのクラウド プロバイダーによる機能のクリープや悪意のある使用など、プライバシーの問題についてますます懸念を抱いています。
これを軽減するために、センサー データがクラウドに送信される前に、プライバシーに敏感な属性を削除するエッジ ベースのフィルタリング ステージを提案します。
私たちは、もつれた表現を活用してプライバシーフィルタリングを実現する最先端の画像操作技術を使用しています。
オプトインおよびオプトアウト フィルター操作を定義し、顔画像からプライベート属性をフィルター処理する効果を評価します。
さらに、自然に発生する相関関係とフィルタリングに対する残差情報の影響を調べます。
結果は有望であり、プライバシー保護のために画像操作をどのように使用できるかについてのさらなる研究が引き出されると考えています.

要約(オリジナル)

Camera sensors are increasingly being combined with machine learning to perform various tasks such as intelligent surveillance. Due to its computational complexity, most of these machine learning algorithms are offloaded to the cloud for processing. However, users are increasingly concerned about privacy issues such as function creep and malicious usage by third-party cloud providers. To alleviate this, we propose an edge-based filtering stage that removes privacy-sensitive attributes before the sensor data are transmitted to the cloud. We use state-of-the-art image manipulation techniques that leverage disentangled representations to achieve privacy filtering. We define opt-in and opt-out filter operations and evaluate their effectiveness for filtering private attributes from face images. Additionally, we examine the effect of naturally occurring correlations and residual information on filtering. We find the results promising and believe this elicits further research on how image manipulation can be used for privacy preservation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google