概要: 児童性的虐待画像（CSAI）の分類は、CSAIデータセットの一般公開を妨げる厳格な法的および倫理的制限があるため、コンピュータビジョン研究にとって重要でありながらも難しい課題です。この制約は再現性を阻害し、自動化された手法の開発の進展を遅らせます。本研究では、プライバシーを保護する構造化データセットであるCSA-Graphsを導入します。元の画像を公開する代わりに、明示的な視覚内容を除去しつつ文脈情報を保持する構造表現を提供します。CSA-Graphsには、相補的な2つのグラフベースのモダリティが含まれます。すなわち、物体同士の関係を記述するシーングラフと、人の姿勢を符号化するスケルトングラフです。実験の結果、これら両方の表現がCSAIの分類に有用な情報を保持しており、さらにそれらを組み合わせることで性能が向上することが示されました。このデータセットは、法的および倫理的な制約を尊重しながら、児童の安全のためのコンピュータビジョン手法に関する幅広い研究を可能にします。
CSA-Graphs：児童性的虐待研究のためのプライバシー保護型構造データセット
arXiv cs.CV / 2026/4/9
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、法的・倫理的な理由により元画像の共有が難しい児童性的虐待画像（CSAI）分類のために、コンピュータビジョン研究を可能にすることを目的としたプライバシー保護型の構造データセット「CSA-Graphs」を紹介する。
- 明示的な視覚コンテンツを配布するのではなく、CSA-Graphs は、物体間の関係を捉えるシーングラフと、人の姿勢を符号化するスケルトングラフという構造表現を提供することで、生の画像を公開せずに文脈上の手掛かりを保持する。
- 実験の結果、それぞれのモダリティがCSAI分類に有用であり、シーングラフとスケルトングラフを組み合わせることで性能がさらに向上することが示される。
- 著者らは、このデータセットが、センシティブデータに関する制限を遵守しつつ、再現性を高め、児童の安全に資する自動化手法を加速するための手段になると位置づけている。
