姿态估计的可逆匿名化：一种增强隐私的方法
计算机视觉与模式识别
2024-09-05 v1 密码学与安全
机器学习
摘要
人体姿态估计（HPE）是众多应用的关键技术。然而，在监控场景中部署HPE算法会因潜在泄露敏感个人信息（SPI）（如面部特征、民族）而引发重大隐私顾虑。现有隐私增强方法往往在隐私或性能之间权衡，或需要额外的高成本模态。我们提出一种新型隐私增强系统，生成保留高HPE性能的隐私增强人像。我们的关键创新包括对SPI的可逆恢复（供授权人员使用）以及对情境信息的保留。在联合优化隐私增强模块、隐私恢复模块和姿态估计器的过程中，该系统确保了稳健的隐私保护、SPI的高效恢复以及高性能HPE。实验结果表明，该系统在隐私增强、SPI恢复和HPE方面均表现出色。
引用
@article{arxiv.2409.02715,
title = {Recoverable Anonymization for Pose Estimation: A Privacy-Enhancing Approach},
author = {Wenjun Huang and Yang Ni and Arghavan Rezvani and SungHeon Jeong and Hanning Chen and Yezi Liu and Fei Wen and Mohsen Imani},
journal= {arXiv preprint arXiv:2409.02715},
year = {2024}
}