SHAN：基于场景异质图推理的对象级隐私检测
计算机视觉与模式识别
2025-10-16 v3
摘要
随着社交平台的兴起，隐私保护已成为重要议题。隐私对象检测旨在精确定位图像中的私密物体，是保障个人隐私权利、确保数字时代负责任数据处理实践的基础。由于对象隐私并非平移不变，隐私对象检测任务的本质是基于场景信息推断对象隐私。然而，隐私对象检测长期被作为通用目标检测任务的子问题研究，导致现有方法在准确性、泛化性和可解释性方面存在严重不足。此外，受法律限制，创建大规模隐私数据集十分困难，且现有隐私数据集缺乏标签粒度，现有隐私检测方法的粒度仍局限于图像级别。为解决上述两个问题，我们引入了两个用于对象级隐私检测的基准数据集，并提出 SHAN（Scene Heterogeneous graph Attention Network，场景异质图注意力网络），该模型从图像构建场景异质图，并利用自注意力机制进行场景推理以获取对象隐私。实验表明，SHAN 在隐私对象检测任务中表现优异，所有指标均超越基线模型。
引用
@article{arxiv.2403.09172,
title = {SHAN: Object-Level Privacy Detection via Inference on Scene Heterogeneous Graph},
author = {Zhuohang Jiang and Bingkui Tong and Xia Du and Ahmed Alhammadi and Jizhe Zhou},
journal= {arXiv preprint arXiv:2403.09172},
year = {2025}
}
备注
I would like to formally request the withdrawal of my manuscript from arXiv. After a further internal review, I realized that the dataset used in this study contains personal or sensitive information that may inadvertently compromise individuals' privacy