面向基于视觉Transformer模型的隐私保护目标检测
Privacy-Preserving Object Detection for Vision Transformer-Based Models
浏览论文内容
中文总结 AI 辅助
针对现有视觉信息保护研究多聚焦图像分类的问题，本文首次提出基于感知加密的ViT模型隐私保护目标检测方法，利用ViT嵌入结构与带密钥的领域适配技术，在ViTdet上验证了其保护视觉信息的同时保持高准确率的效果。
中文摘要 AI 辅助
我们提出了一种新颖的目标检测方法，可保护测试图像的敏感视觉信息。以往考虑视觉信息保护的研究集中于图像分类任务，本文首次提出将感知加密用于目标检测的方法。该方法利用视觉Transformer（ViT）的嵌入结构及带密钥的领域适配技术，可达到与未受任何保护的模型几乎相同的准确率。实验中，在使用ViTdet（一种基于ViT的目标检测模型）的情况下，从准确率和视觉保护两方面验证了所提方法的有效性。
英文摘要
We propose a novel object detection method that enables us to protect sensitive visual information of test images. Previous studies considering visual information protection focus on image classification tasks. This paper proposes an object detection method using perceptual encryption for the first time. The proposed method can achieve almost the same accuracy as that of models without any protection by utilizing the embedding structure of the Vision Transformer (ViT) and a domain adaptation technique with keys. In experiments, the effectiveness of the proposed method is verified in terms of accuracy and visual protection under the use of ViTdet, which is a ViT-based object detection model.
发表机构
- Tokyo Metropolitan University（东京都立大学）
机构由 AI 辅助整理，请以论文原文为准。
