O desenvolvimento de pesquisas em visão computacional voltadas ao enfrentamento da exploração sexual infantil esbarra, há anos, em um impasse central: a impossibilidade legal e ética de compartilhar imagens reais para treinamento e validação de modelos. Esse obstáculo, que limita a reprodutibilidade científica e desacelera avanços tecnológicos, está no centro do artigo “CSA-Graphs: A Privacy-Preserving Structural Dataset for Child Sexual Abuse Research”, premiado como Melhor Artigo no Workshop on Computer Vision for Children, realizado durante o CVPR 2026.
O trabalho é assinado pelo doutorando João Macedo, do Programa de Pós-graduação em Ciência da Computação (PPGCC) da UFMG, em colaboração com a recém-doutora pelo programa Camila Larangeira. Também integram a autoria os ex-alunos do PPGCC Sandra Avila, atualmente professora da Unicamp, e Carlos Caetano, além do professor da Universidade de Sheffield e também vinculado ao programa,Jefersson Alex dos Santos. A pesquisa conta ainda com contribuições de estudantes da Universidade de São Paulo (USP) e da Universidade Estadual de Campinas (Unicamp). O trabalho é resultado de uma parceria que reúne essas instituições, o Departamento de Ciência da Computação da UFMG e a Polícia Federal.
Inserido no contexto do doutorado de João Macedo, o estudo propõe uma alternativa técnica para contornar as restrições impostas ao uso de imagens de abuso sexual infantil (CSAI, na sigla em inglês). Em vez de trabalhar com o material original, os pesquisadores desenvolveram o CSA-Graphs, um conjunto de dados baseado em representações estruturais que eliminam o conteúdo visual explícito, mas preservam informações relevantes para análise computacional.
O dataset é composto por duas modalidades complementares: grafos de cena, que descrevem relações entre objetos presentes nas imagens, e grafos de esqueleto, que representam a postura humana por meio de pontos e conexões. Essa abordagem permite que algoritmos sejam treinados e avaliados sem acesso direto às imagens sensíveis, reduzindo riscos éticos e legais sem comprometer a utilidade científica.
Os resultados indicam que ambas as representações são capazes de reter informações suficientes para tarefas de classificação relacionadas ao problema, e que a combinação entre elas potencializa o desempenho dos modelos. Ao oferecer uma base de dados que pode ser compartilhada de forma segura, o trabalho amplia as possibilidades de colaboração científica e cria condições para avanços mais consistentes na área.
“Imagens de abuso sexual infantil constituem um problema importante, porém desafiador, para a pesquisa em visão computacional, devido às rígidas restrições legais e éticas que impedem o compartilhamento público desse tipo de material. Neste trabalho, apresentamos o CSA-Graphs, um conjunto de dados estrutural que preserva a privacidade. Em vez de disponibilizar as imagens originais, fornecemos representações que removem o conteúdo visual explícito, ao mesmo tempo em que preservam informações contextuais relevantes. Os experimentos demonstram que essas representações mantêm informações úteis para a classificação e que sua combinação melhora o desempenho, possibilitando a ampliação das pesquisas na área”, afirmam os autores.
- Recebeu o prêmio representando os autores, o ex-aluno do DCC, Carlos Caetano.
