基于随机编码框架利用合成图像进行隐私保护视线估计
计算机视觉与模式识别
2021-07-14 v4 密码学与安全
人机交互
机器学习
机器学习
摘要
眼动追踪被视为评估人类注意力、行为及生物特征应用的关键技术之一，尤其利用视线、瞳孔与眨眼行为。然而，眼动追踪技术在社会接受度方面面临的挑战之一便是敏感与个人信息的保护。为应对该挑战，我们采用基于随机编码的隐私保护框架，利用合成眼图像 privately 训练支持向量回归(Support Vector Regression)模型以估计人类视线。在计算过程中，任何一方都无法获知其他方的数据或结果。此外，训练模型的各方无法重建瞳孔、眨眼或视觉扫描路径。实验结果表明，我们的隐私保护框架能够实时工作，且精度与非隐私版本相当，并可扩展至其他眼动追踪相关问题。
引用
@article{arxiv.1911.07936,
title = {Privacy Preserving Gaze Estimation using Synthetic Images via a Randomized Encoding Based Framework},
author = {Efe Bozkir and Ali Burak Ünal and Mete Akgün and Enkelejda Kasneci and Nico Pfeifer},
journal= {arXiv preprint arXiv:1911.07936},
year = {2021}
}
备注
In Symposium on Eye Tracking Research and Applications (ETRA '20). Authors' copy of the published paper, refer to the doi for the definitive version