人类视觉隐私保护评估：三维框架与基准数据集
计算机视觉与模式识别
2025-07-21 v1
摘要
近期AI驱动的监控技术的进步加剧了对敏感个人数据收集和处理的担忧。为此，研究日益关注隐私设计解决方案，从而引发了对客观评估隐私保护技术的需求。本文提出了一个全面的框架，用于在三个维度上评估视觉隐私保护方法：隐私性、实用性和实践性。此外，本文还介绍了HR-VISPR，一个公开可用的以人为中心的数据集，包含生物特征、软生物特征和非生物特征标签，用于训练可解释的隐私度量。我们通过所提出的框架评估了11种隐私保护方法，范围从传统技术到先进的深度学习方法。该框架能够区分与人类视觉感知一致的隐私级别，同时突出隐私性、实用性和实践性之间的权衡。本研究连同HR-VISPR数据集，作为一个有洞察力的工具，并提供了一个适用于不同背景的结构化评估框架。
引用
@article{arxiv.2507.13981,
title = {Evaluation of Human Visual Privacy Protection: A Three-Dimensional Framework and Benchmark Dataset},
author = {Sara Abdulaziz and Giacomo D'Amicantonio and Egor Bondarev},
journal= {arXiv preprint arXiv:2507.13981},
year = {2025}
}
备注
accepted at ICCV'25 workshop CV4BIOM