这项工作为 Egy-DRiVeS 数据集实现了一个五阶段流水线，通过人脸交换来保护行人隐私，同时保持训练自动驾驶模型所需的关键面部属性。

该研究评估了 Roop 和 Ghost-v2 人脸交换模型，以在身份隐藏和数据可用性之间取得平衡。分析证明 Roop 在各个方面都优于 Ghost-v2，因此被选为该流水线的模型。

这种方法解决了在不降低图像可用性的情况下应用隐私保护程序的挑战，从而阻碍了行人意图和轨迹预测模型的有效性。