面向动作识别的选择性、可解释且运动一致的隐私属性混淆
计算机视觉与模式识别
2024-03-20 v1 机器学习
摘要
对公共图像中个人隐私的担忧催生了隐私保护动作识别。现有方法常因全局应用混淆且缺乏可解释性而存在问题。全局混淆隐藏了隐私敏感区域，但也隐藏了对动作识别重要的上下文区域。缺乏可解释性削弱了人们对这些新技术的信任。我们强调了当前范式的局限性并提出了一种解决方案：人工选择的隐私模板通过设计提供可解释性，一种选择性隐藏属性并引入时间一致性的混淆方案，这在动作识别中非常重要。我们的方法与架构无关并直接修改输入图像，而现有方法通常需要架构训练。我们的方法提供了更大的灵活性，因为不需要重新训练，并且在三个广泛使用的数据集上优于替代方法。
引用
@article{arxiv.2403.12710,
title = {Selective, Interpretable, and Motion Consistent Privacy Attribute Obfuscation for Action Recognition},
author = {Filip Ilic and He Zhao and Thomas Pock and Richard P. Wildes},
journal= {arXiv preprint arXiv:2403.12710},
year = {2024}
}