本研究は、自動運転モデルの学習に必要な必須の顔の特徴を維持しつつ、顔入れ替えによって歩行者のプライバシーを保護するEgy-DRiVeSデータセット向けの5段階パイプラインを実装している。

研究では、アイデンティティの隠蔽とデータの有用性のバランスを取るために、RoopおよびGhost-v2の顔入れ替えモデルが評価された。分析の結果、Roopは様々な側面でGhost-v2を上回ることが証明され、パイプラインで選択されたモデルとなった。

このアプローチは、歩行者の意図や軌道の予測モデルの有効性を阻害する画像の有用性の低下を招くことなく、プライバシー保護手順を適用するという課題に対処している。