面向儿童性虐待图像的人类中心感知
计算机视觉与模式识别
2026-04-03 v2
摘要
执法机构和非政府组织处理儿童性虐待图像（CSAI）报告时，面临大量数据压力，需要自动化工具的帮助。然而，定义儿童图像中的性虐待内容本身就具有挑战性，涵盖了性显露的活动以及通过个体的姿势或服装传达的性暗示。CSAI 分类方法常依赖黑箱方法，针对如色情品牌等宽泛抽象概念。因此，我们的工作是对人类中心感知领域文献中任务的深入探索，涵盖安全图像、成人色情和 CSAI 领域，聚焦于那些能够为 CSAI 分类实现更客观且可解释的管道的目标。我们引入了身体关键点-部件数据集（BKPD），收集来自不同年龄组和性显露程度的图像，以模拟 CSAI 的领域，并手动构建了分层结构的标签，用于骨骼关键点和人物/身体部位（包括头部、胸部、髋部和手部）的边界框。我们提出了两种方法，即 BKP-关联 和 YOLO-BKP，用于同时进行姿态估计和检测，目标与个体关联，以实现每个人的全面分解表示。我们的 methods 在 COCO-关键点 和 COCO-HumanParts 以及我们的人类中心数据集上进行基准测试，取得了与执行所有任务的模型相当的成绩。在 BKPD 和 RCPD 的跨域消融研究以及案例研究中，结果凸显了性显露领域的挑战。我们的研究解决了 CSAI 领域以前未探索的目标，为新的研究机遇铺平了道路。
引用
@article{arxiv.2603.27290,
title = {Human-Centric Perception for Child Sexual Abuse Imagery},
author = {Camila Laranjeira and João Macedo and Sandra Avila and Fabrício Benevenuto and Jefersson A. dos Santos},
journal= {arXiv preprint arXiv:2603.27290},
year = {2026}
}
备注
submitted to IEEE Transactions on Information Forensics and Security (TIFS)