Exploring AI-based Anonymization of Industrial Image and Video Data in the Context of Feature Preservation

随着技术的不断发展，保护涉及隐私的信息变得越来越重要。在工业和生产设施中，图像或视频记录对于文档记录、追踪生产错误或协调工作流程非常有益。图像或视频中的个人需要进行匿名处理，但匿名化的数据应该可以重复使用于进一步的应用中。在本研究中，我们应用基于深度学习的全身匿名化框架DeepPrivacy2，生成人工身份，用于工业图像和视频数据。我们将其性能与传统匿名化技术进行比较。因此，我们考虑身份生成的质量、时间一致性以及姿势估计和动作识别的适用性。

论文旨在解决在工业和生产场所中，需要对图像或视频进行匿名化以保护个人隐私信息的问题。同时，匿名化后的数据需要可重复使用。

论文采用基于深度学习的全身匿名化框架DeepPrivacy2生成人工身份来处理工业图像和视频数据，并与传统匿名化技术进行比较。

实验考虑了身份生成的质量、时间上的一致性、姿态估计和动作识别的适用性。论文的亮点包括使用深度学习框架进行全身匿名化、实验结果表明DeepPrivacy2的效果优于传统匿名化技术、使用了公共数据集等。

在相关研究方面，最近的研究包括使用深度学习进行匿名化的其他方法，如GAN等。