Diseño de un lente para generar descripciones de imágenes preservando su privacidad

Arguello Gutiérrez, Paula Andrea

Diseño de un lente para generar descripciones de imágenes preservando su privacidad

dc.contributor.advisor	Rueda Chacón, Hoover Fabian
dc.contributor.advisor	Sánchez Quiroga, Karen Yaneth
dc.contributor.author	Arguello Gutiérrez, Paula Andrea
dc.contributor.evaluator	Galvis Carreño, Laura Viviana
dc.contributor.evaluator	Pertuz Arroyo, Said David
dc.date.accessioned	2024-08-20T13:48:14Z
dc.date.available	2024-08-20T13:48:14Z
dc.date.created	2024-08-19
dc.date.issued	2024-08-19
dc.description.abstract	La generación de descripciones de imágenes consiste en resumir textualmente el contenido visual de una imagen. Esta tarea ha ganado popularidad en el cruce de dos áreas de la inteligencia artificial: visión por computadora y procesamiento de lenguaje natural. No obstante, en el enfoque convencional de descripción de imágenes, se utilizan imágenes de alta resolución para entrenar los modelos. Estas imágenes pueden incluir datos sensibles que deberían ser confidenciales, tales como rostros, características personales, documentos, menores de edad, etc., los cuales podrían estar sujetos a riesgos de privacidad. Este trabajo de grado se centra en proteger la privacidad en el proceso de descripción de imágenes, enfocándose directamente en la óptica antes de la adquisición de las imágenes. Dado la tendencia emergente de integrar el diseño óptico con la inteligencia artificial, se diseñó un lente refractivo para garantizar la privacidad. El lente optimizado oculta atributos visuales sensibles en la imagen adquirida, al tiempo que extrae características esenciales para las descripciones incluso a partir de imágenes muy distorsionadas. Con un enfoque de extremo a extremo, se logró un sistema capaz de crear descripciones directamente de imágenes distorsionadas mediante la optimización de este lente, junto con el desarrollo de una arquitectura de redes neuronales profundas para la generación de descripciones de imágenes. Este método fue probado y validado a través de simulaciones y experimentos en el laboratorio. Los resultados demostraron un mejor equilibrio entre privacidad y utilidad comparado con métodos tradicionales que no consideran la privacidad en diversos conjuntos de datos.
dc.description.abstractenglish	Image caption generation consists of textually summarizing the visual content of an image. This task has gained popularity at the turning point of two areas of artificial intelligence: computer vision and natural language processing. However, high-resolution images are used to train the models in the conventional image captioning approach. These images may include sensitive data that should be confidential, such as faces, personal characteristics, documents, children, etc., which could be subject to privacy risks. This work focuses on protecting privacy in the image captioning process, approaching it directly from the image acquisition. Given the emerging trend of integrating optical design with artificial intelligence, a refractive lens was designed to ensure privacy. The optimized lens hides sensitive visual attributes in the acquired image while extracting essential features for captions even from highly distorted images. With an end-to-end approach, a system capable of creating captions directly from distorted images was achieved by optimizing this lens, together with the development of a deep neural network architecture to generate image captions. This method was tested and validated through simulations and real laboratory experiments. Results showed a better balance between privacy and usability compared to traditional methods that do not consider privacy in various datasets.
dc.description.cvlac	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001817493
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero de Sistemas
dc.description.googlescholar	https://scholar.google.com/citations?user=TTo5b-cAAAAJ&hl=es
dc.description.orcid	https://orcid.org/0000-0001-8266-8802
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/43784
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería de Sistemas
dc.publisher.school	Escuela de Ingeniería de Sistemas e Informática
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Preservación de la privacidad
dc.subject	Visión por computadora
dc.subject	Procesamiento de lenguaje natural
dc.subject	Descripción de imágenes
dc.subject	Diseño de óptica
dc.subject.keyword	Privacy-preservation
dc.subject.keyword	Computer Vision
dc.subject.keyword	Natural Language Processing
dc.subject.keyword	Image Captioning
dc.subject.keyword	Deep Optics
dc.title	Diseño de un lente para generar descripciones de imágenes preservando su privacidad
dc.title.english	Lens Design for Enhancing Privacy in Image Captioning
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado