计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月17日
]
标题: 一种使用领域自适应技术的隐私保护语义分割方法
标题: A Privacy-Preserving Semantic-Segmentation Method Using Domain-Adaptation Technique
摘要: 我们提出了一种隐私保护的语义分割方法,用于对用于模型训练的图像以及测试图像应用感知加密。 该方法还能提供与没有任何加密的模型几乎相同的准确性。 上述性能是通过在视觉变压器(ViT)的嵌入结构上使用领域自适应技术实现的。 在使用一种称为语义分割变压器的强大多任务语义分割模型时,实验确认了所提出方法在语义分割准确性方面的有效性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.