Exploring AI-based Anonymization of Industrial Image and Video Data in the Context of Feature Preservation

要約

テクノロジーの進歩に伴い、プライバシーに関わる情報の保護がますます重要になっています。
産業および生産施設では、画像またはビデオの記録は、文書化、生産エラーの追跡、またはワークフローの調整に役立ちます。
画像やビデオ内の個人は匿名化する必要があります。
ただし、匿名化されたデータは、さらなるアプリケーションで再利用できる必要があります。
この研究では、人工的なアイデンティティを生成する深層学習ベースの全身匿名化フレームワーク DeepPrivacy2 を産業用画像およびビデオ データに適用します。
そのパフォーマンスを従来の匿名化技術と比較します。
したがって、アイデンティティ生成の品質、時間的一貫性、姿勢推定と動作認識の適用可能性を検討します。

要約(オリジナル)

With rising technologies, the protection of privacy-sensitive information is becoming increasingly important. In industry and production facilities, image or video recordings are beneficial for documentation, tracing production errors or coordinating workflows. Individuals in images or videos need to be anonymized. However, the anonymized data should be reusable for further applications. In this work, we apply the Deep Learning-based full-body anonymization framework DeepPrivacy2, which generates artificial identities, to industrial image and video data. We compare its performance with conventional anonymization techniques. Therefore, we consider the quality of identity generation, temporal consistency, and the applicability of pose estimation and action recognition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google