TeD-SPAD：面向视频异常检测的自监督隐私保护的时间区分性方法
计算机视觉与模式识别
2023-08-23 v1 密码学与安全
摘要
无需人工监控的视频异常检测（VAD）是一项复杂的计算机视觉任务，若成功实现可对社会产生积极影响。尽管近期进展在解决该任务上取得显著进步，大多数现有方法忽视了一个关键现实关切：隐私。随着人工智能技术日益普及，在其开发中落实恰当的 AI 伦理至关重要。VAD 中的隐私泄露使模型能够拾取并放大与个人信息相关的不必要偏见，可能导致不良决策。本文提出 TeD-SPAD，一种以自监督方式破坏视觉隐私信息的隐私感知视频异常检测框架。具体而言，我们提出使用时序区分三元组损失来促进时间判别性特征，从而补充当前的弱监督 VAD 方法。使用 TeD-SPAD，我们在三个流行的弱监督 VAD 数据集 UCF-Crime、XD-Violence 和 ShanghaiTech 上实现了隐私保护与效用异常检测性能之间的正向权衡。我们提出的匿名化模型将私有属性预测降低 32.25%，同时仅在 UCF-Crime 异常检测数据集上使帧级 ROC AUC 降低 3.69%。项目主页：https://joefioresi718.github.io/TeD-SPAD_webpage/
引用
@article{arxiv.2308.11072,
title = {TeD-SPAD: Temporal Distinctiveness for Self-supervised Privacy-preservation for video Anomaly Detection},
author = {Joseph Fioresi and Ishan Rajendrakumar Dave and Mubarak Shah},
journal= {arXiv preprint arXiv:2308.11072},
year = {2023}
}
备注
ICCV 2023