图像中的身体形态隐私：理解隐私与阻止自动形态提取
计算机视觉与模式识别
2020-10-23 v3 人工智能
密码学与安全
机器学习
摘要
现代姿态与身体形态估计方法即使在具有挑战性的真实世界条件下也近期取得了强劲性能。即使从一张着衣人物的单幅图像中，也能推断出外观逼真且能很好捕捉用户体重组和身体形态类型的身体形态。这开启了一系列应用——尤其在时尚领域——虚拟试穿和推荐系统可利用这些新的自动化线索。然而，对裸体的逼真描绘被视为高度隐私，因此大多数人可能并不同意。因此，我们探究此类信息的自动提取是否能被有效规避。尽管对抗扰动已被证明可有效操纵机器学习模型——特别是端到端深度学习方法——的输出，但最先进的形态估计方法由多个阶段组成。我们首次研究了可用于有效操纵自动形态估计同时保留原始图像整体外观的不同策略。
引用
@article{arxiv.1905.11503,
title = {Body Shape Privacy in Images: Understanding Privacy and Preventing Automatic Shape Extraction},
author = {Hosnieh Sattar and Katharina Krombholz and Gerard Pons-Moll and Mario Fritz},
journal= {arXiv preprint arXiv:1905.11503},
year = {2020}
}