基于人物身份偏移的隐私保护行人重识别方法
计算机视觉与模式识别
2022-07-18 v1
摘要
近年来，行人重识别（ReID）的隐私问题引起越来越多的关注，保护ReID方法所用行人图像的隐私变得至关重要。去识别（DeID）方法通过去除ReID数据的身份相关信息来缓解隐私问题。然而，现有大多数DeID方法倾向于去除所有个人身份相关信息，损害了去识别数据在ReID任务上的可用性。本文旨在开发一种能在行人ReID的隐私保护与数据可用性之间取得良好权衡的技术。为此，我们提出了一种专为行人ReID设计的新型去识别方法，称为人物身份偏移（PIS）。PIS去除行人图像中的绝对身份，同时保留图像对之间的身份关系。通过利用变分自编码器的插值特性，PIS将每张行人图像从当前身份偏移至具有新身份的另一身份，所得图像仍保留相对身份。实验结果表明，与现有去识别方法相比，我们的方法在隐私保护与模型性能之间具有更好的权衡，并能防御针对数据隐私的人类和模型攻击。
引用
@article{arxiv.2207.07311,
title = {Towards Privacy-Preserving Person Re-identification via Person Identify Shift},
author = {Shuguang Dou and Xinyang Jiang and Qingsong Zhao and Dongsheng Li and Cairong Zhao},
journal= {arXiv preprint arXiv:2207.07311},
year = {2022}
}