Privacy-Preserving Clothing Classification using Vision Transformer for Thermal Comfort Estimation
Dieser Beitrag schlägt eine datenschutzfreundliche Methode zur Klassifizierung von Kleidung unter Verwendung von Vision Transformern (ViT) vor, die eine sichere, auf die Insassen ausgerichtete Regelung des thermischen Komforts ermöglicht, indem sie eine hohe Genauigkeit bei verschlüsselten Bildern aufrechterhält und damit die bei herkömmlichen datenschutzfreundlichen Bildklassifizierungsschemata typischerweise auftretende starke Genauigkeitsverschlechterung überwindet.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie möchten, dass die Klimaanlage Ihres Zuhauses perfekt komfortabel ist, aber Sie möchten der Firma, die das System verwaltet, keine Familienfotos zeigen. Genau dieses Problem löst dieser Aufsatz.
Hier ist die Geschichte, wie sie es geschafft haben, einfach erklärt:
Das Problem: Das Dilemma des „Glashauses"
Damit sich ein Raum genau richtig anfühlt, müssen Heizungs- und Kühlsysteme wissen, was die Menschen tragen. Ein dicker Mantel bedeutet, dass der Raum wärmer sein muss; ein T-Shirt bedeutet, dass er kühler sein kann.
Normalerweise machen Kameras Fotos von Menschen, um zu erraten, was sie tragen. Aber das Senden von Rohfotos an einen Cloud-Server ist, als würde man einem Fremden sein Tagebuch zum Lesen übergeben. Es ist ein Albtraum für die Privatsphäre.
Wissenschaftler haben versucht, dies zu beheben, indem sie die Fotos vor dem Senden verschlüsselten (scramblen). Doch es gibt einen Haken: Das Verschlüsseln zerstört normalerweise das „Gehirn" (die KI), das versucht, das Foto zu lesen. Es ist, als würde man versuchen, ein Puzzle zu lösen, wenn jemand die Teile in winzige, unkenntliche Stücke zerschnitten hat. Die alten Methoden waren beim Lesen verschlüsselter Fotos so schlecht, dass die KI fast die Hälfte der Zeit falsch riet.
Die Lösung: Das „Lego-Block"-Gehirn
Die Autoren dieses Aufsatzes fanden einen neuen Weg, Fotos zu verschlüsseln, der das Gehirn der KI nicht zerstört. Sie verwendeten eine spezielle Art von KI, einen Vision Transformer (ViT).
Stellen Sie sich eine normale KI (wie eine CNN) als Detektiv vor, der ein Foto Pixel für Pixel betrachtet, wie ein Buch, das Buchstabe für Buchstabe gelesen wird. Wenn Sie die Buchstaben durcheinanderbringen, kann der Detektiv die Geschichte nicht mehr lesen.
Der Vision Transformer hingegen ist wie ein Detektiv, der das Foto in großen Blöcken (wie Lego-Steinen) betrachtet. Ihm ist die genaue Reihenfolge der winzigen Pixel innerhalb des Blocks egal; ihm geht es nur um die Form und Farbe des gesamten Blocks.
Der Zaubertrick: Das geheime Mischen
Hier ist der clevere Teil ihrer Methode:
- Das Setup: Der KI-Entwickler nimmt eine vortrainierte „Intelligenz" und verschließt sie mit einem geheimen Schlüssel.
- Das Verschlüsseln: Wenn ein Benutzer seinen Outfit-Check durchführen möchte, schneidet er sein Foto in dieselben großen „Lego-Blöcke". Dann mischen sie mit dem geheimen Schlüssel die Blöcke durcheinander und vermischen die Pixel innerhalb jedes Blocks.
- Vergleich: Stellen Sie sich ein Foto einer Katze vor. Die alte Methode hätte es in statisches Rauschen verwandelt. Diese neue Methode verwandelt es in ein Foto, bei dem der Kopf der Katze links ist, der Schwanz rechts und das Fell eine andere Farbe hat, aber die Form der Katze ist immer noch da.
- Das Ergebnis: Da der Vision Transformer nur die großen Blöcke betrachtet, kann er immer noch die „Katze" (oder den „Mantel") erkennen, auch wenn das Bild für das menschliche Auge wie ein verschlüsseltes Durcheinander aussieht.
Was sie herausfanden
Die Forscher testeten dies an einer riesigen Datenbank mit Kleidungsfotos und sortierten diese in vier Gruppen: ärmellos, kurzärmelig, langärmelig und schwere Oberbekleidung.
- Der alte Weg (pixelbasiert): Als sie die Fotos verschlüsselten, sank die Genauigkeit der KI erheblich. Bei schweren Mänteln ging sie von 73 % Richtigkeit auf nur noch 65 % zurück. Sie hatte Mühe, den Unterschied zwischen einem Pullover und einer Jacke zu erkennen.
- Der neue Weg (ViT-basiert): Als sie ihren neuen „Lego-Block"-Mix verwendeten, lag die KI bei 95,65 % richtig.
- Das Wunder: Die Genauigkeit bei den verschlüsselten Fotos war exakt dieselbe wie bei den ursprünglichen, unverschlüsselten Fotos. Das Verschlüsseln schädigte die KI überhaupt nicht.
Das Fazit
Dieser Aufsatz zeigt, dass wir nun „verschlüsselte" Fotos in die Cloud senden können, um zu ermitteln, was Menschen zur Temperaturregelung tragen, ohne dass die KI ihre Fähigkeit verliert, richtig zu raten.
Es ist, als würde man einem Freund ein verschlüsseltes, durcheinandergewürfeltes Puzzle senden, der die besondere Fähigkeit besitzt, es sofort zu lösen, während das Bild für alle anderen verborgen bleibt. Dies macht es möglich, intelligente, komfortable Häuser zu haben, ohne Ihre Privatsphäre zu opfern.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.