要旨: 本論文は、各クライアントおよび各画像に対して独立した鍵を利用できる、新しいプライバシー保護型のセマンティックセグメンテーション手法を提案する。提案手法では、モデル作成者および各クライアントが、ローカルで生成した鍵を用いて画像を暗号化し、暗号化された画像上でモデルの学習と推論を実施する。性能劣化を抑えるために、テスト画像の生成に加えて、モデル学習に対して画像暗号化手法を適用する。実験では、SETR（SETR）と呼ばれる視覚トランスフォーマーベースのモデルを用いた場合に、Cityscapesデータセット上で提案手法の有効性が確認された。
鍵管理なしで実現するプライバシー保護型セマンティックセグメンテーション
arXiv cs.CV / 2026/4/21
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、暗号化された画像上で学習と推論を行うことで、プライバシーを保護するセマンティックセグメンテーション手法を提案している。
- クライアントごと・画像ごとに独立したローカル生成キーを用いることで、中央集権的な鍵管理の必要性を抑えている。
- 暗号化による精度低下に対処するため、学習時にも画像暗号化を適用し、さらに暗号化したテスト画像も生成する。
- Cityscapesデータセットで、ビジョントランスフォーマー系モデル（SETR）を用いた実験により提案手法の有効性が確認された。
