数据驱动且注重隐私：基于全身行人合成的行人与数据集去标识化
计算机视觉与模式识别
2023-06-23 v2
摘要
数据驱动技术解决方案的出现伴随着对数据隐私日益增长的关注。这对于以人为中心的图像识别任务（如行人检测、重识别与跟踪）尤为重要。为强调隐私问题的重要性并推动未来研究，我们提出并引入了行人数据集去标识化（PDI）任务。PDI 用于评估给定去标识化方法的去标识化程度与下游任务训练性能。作为首个基线，我们提出 IncogniMOT，一种基于生成对抗网络图像合成的两阶段全身去标识化流程。第一阶段将目标行人替换为合成身份。为提升下游任务性能，我们随后应用第二阶段，将合成图像部分融合并适配到数据中。为证明 IncogniMOT 的有效性，我们生成了 MOT17 行人跟踪数据集的完全去标识化版本，并分析其作为行人重识别、检测与跟踪模型训练数据的应用。此外，我们展示了我们的数据如何以注重隐私的方式缩小合成到真实的性能差距。
引用
@article{arxiv.2306.11710,
title = {Data-Driven but Privacy-Conscious: Pedestrian Dataset De-identification via Full-Body Person Synthesis},
author = {Maxim Maximov and Tim Meinhardt and Ismail Elezi and Zoe Papakipos and Caner Hazirbas and Cristian Canton Ferrer and Laura Leal-Taixé},
journal= {arXiv preprint arXiv:2306.11710},
year = {2023}
}