Karya ini mengimplementasikan pipeline lima tahap untuk dataset Egy-DRiVeS yang melindungi privasi pejalan kaki melalui face swapping sambil mempertahankan atribut wajah penting yang diperlukan untuk melatih model kendaraan otonom.
Studi ini mengevaluasi model face-swapping Roop dan Ghost-v2 untuk menyeimbangkan penyembunyian identitas dengan kegunaan data. Analisis membuktikan bahwa Roop unggul dari Ghost-v2 dalam berbagai aspek, menjadikannya model yang dipilih untuk pipeline tersebut.
Pendekatan ini mengatasi tantangan penerapan prosedur pelestarian privasi tanpa menurunkan kegunaan gambar, yang menghambat efektivitas model prediksi niat dan trajektori pejalan kaki.