論文の概要: Privacy-Preserving Visual Localization with Event Cameras

• arxiv url: http://arxiv.org/abs/2212.03177v1
• Date: Sun, 4 Dec 2022 07:22:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-12-07 17:18:32.460639
• Title: Privacy-Preserving Visual Localization with Event Cameras
• Title（参考訳）: イベントカメラを用いたプライバシー保護型ビジュアルローカライゼーション
• Authors: Junho Kim, Young Min Kim, Yicheng Wu, Ramzi Zahreddine, Weston A. Welge, Gurunandan Krishnan, Sizhuo Ma, Jian Wang
• Abstract要約: イベントカメラは、高いダイナミックレンジと小さな動きのぼかしのために、ロバストなローカライゼーションを実現する可能性がある。 本稿では、局所化に先立ってイベント・ツー・イメージ変換を適用し、安定した局所化を実現することを提案する。 プライバシの観点からは、イベントカメラは通常のカメラと比べてわずかに視覚情報をキャプチャする。
• 参考スコア（独自算出の注目度）: 13.21898697942957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a robust, privacy-preserving visual localization algorithm using event cameras. While event cameras can potentially make robust localization due to high dynamic range and small motion blur, the sensors exhibit large domain gaps making it difficult to directly apply conventional image-based localization algorithms. To mitigate the gap, we propose applying event-to-image conversion prior to localization which leads to stable localization. In the privacy perspective, event cameras capture only a fraction of visual information compared to normal cameras, and thus can naturally hide sensitive visual details. To further enhance the privacy protection in our event-based pipeline, we introduce privacy protection at two levels, namely sensor and network level. Sensor level protection aims at hiding facial details with lightweight filtering while network level protection targets hiding the entire user's view in private scene applications using a novel neural network inference pipeline. Both levels of protection involve light-weight computation and incur only a small performance loss. We thus project our method to serve as a building block for practical location-based services using event cameras. The code and dataset will be made public through the following link: https://github.com/82magnolia/event_localization.
• Abstract（参考訳）: イベントカメラを用いた頑健でプライバシーに配慮した視覚的ローカライゼーションアルゴリズムを提案する。 イベントカメラは、高いダイナミックレンジと小さな動きのぼかしによるロバストなローカライゼーションを実現する可能性があるが、センサーは大きな領域ギャップを示し、従来の画像ベースのローカライゼーションアルゴリズムを直接適用することは困難である。 このギャップを緩和するために,ローカライゼーションに先立ってイベントから画像への変換を適用することを提案する。 プライバシの観点からは、イベントカメラは通常のカメラに比べてわずかな視覚情報しかキャプチャできないため、敏感な視覚的詳細を自然に隠すことができる。 当社のイベントベースのパイプラインにおけるプライバシ保護をさらに強化するために,センサとネットワークレベルという2つのレベルでプライバシ保護を導入します。 センサレベルの保護は、軽量なフィルタリングで顔の詳細を隠すことを目的としており、ネットワークレベルの保護は、新しいニューラルネットワーク推論パイプラインを使用して、プライベートなシーンアプリケーションでユーザ全体のビューを隠すことを目標としている。 どちらのレベルの保護も軽量な計算を伴い、少ない性能損失しか発生しない。 そこで我々は,イベントカメラを用いた実用的な位置情報サービスのためのビルディングブロックとして,提案手法を推し進める。 コードとデータセットは以下のリンクで公開される予定だ。

関連論文リスト

• A Privacy-Preserving Localization Scheme with Node Selection in Mobile Networks [48.845334743016345]
  PPLZNは、クラウドソースのローカライゼーションにおいて、ターゲットノードとアンカーノードの両方の位置プライバシーを保護する。 位置リークなしで正確な位置推定を達成でき、位置決め精度と通信オーバーヘッドの両方において最先端のアプローチより優れている。
  論文  参考訳（メタデータ） (2026-01-07T12:48:45Z)
• FedWiLoc: Federated Learning for Privacy-Preserving WiFi Indoor Localization [0.05941919160409143]
  Wi-Fiベースの屋内ローカライゼーションシステムは,ユーザのプライバシ保護,動的マルチパス環境における正確な予測の実現,デプロイメントの一般化という,3つの重要な課題に直面している。 プライバシー保護のための屋内ローカライゼーションシステムであるFedWiLocを紹介する。 FedWiLocは、トレーニングと推論の両方を通じて強力なプライバシー保証を維持しながら、中央値のローカライゼーションエラーを61.9%向上させる。
  論文  参考訳（メタデータ） (2025-12-20T04:10:15Z)
• A Distributed Framework for Privacy-Enhanced Vision Transformers on the Edge [3.344634520578015]
  視覚変換器(ViT)のための分散階層型オフロードフレームワークを提案する。 このアプローチでは、エッジオーケストレータとして、携帯電話やNvidia Jetsonといった、ローカルな信頼できるエッジデバイスを使用します。 設計上、単一の外部サーバが完全なイメージを持っておらず、包括的なデータ再構成を防いでいる。
  論文  参考訳（メタデータ） (2025-12-10T04:37:07Z)
• Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
  プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。 本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。 また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• Fast Private Location-based Information Retrieval Over the Torus [2.0680208842600454]
  LocPIRは、パブリッククラウドからデータを取得する際のユーザの位置情報のプライバシを保存する。 システムでは、非ポリノミカル評価におけるTFHEの専門知識を採用している。
  論文  参考訳（メタデータ） (2024-07-29T10:42:17Z)
• Snail: Secure Single Iteration Localization [2.708816087833581]
  ローカライゼーション(Localization)とは、画像と環境マップからカメラの位置と向きを決定するコンピュータビジョンタスクである。 本稿では,2つのローカライゼーション手法,ガーブロード回路に適したローカライゼーションのベースラインデータ公開適応と,新しいシングルイテレーションローカライゼーションを提案する。
  論文  参考訳（メタデータ） (2024-03-22T02:41:14Z)
• EventTransAct: A video transformer-based framework for Event-camera based action recognition [52.537021302246664]
  イベントカメラは、RGBビデオの標準アクション認識と比較して、新しい機会を提供する。 本研究では,最初にイベントフレーム当たりの空間埋め込みを取得するビデオトランスフォーマーネットワーク(VTN)という,計算効率のよいモデルを用いる。 イベントデータのスパースできめ細かい性質にVTNをよりよく採用するために、イベントコントラストロス(mathcalL_EC$)とイベント固有の拡張を設計する。
  論文  参考訳（メタデータ） (2023-08-25T23:51:07Z)
• Person Re-Identification without Identification via Event Anonymization [23.062038973576296]
  ディープラーニングは、イベントカメラからのイメージを高い忠実度で再構築することができ、イベントベースのビジョンアプリケーションに対するプライバシーに対する潜在的な脅威を再導入した。 本稿では,プライバシを保護し,人物ReIdのような下流タスクを実行するという2つの目的のために,エンドツーエンドのネットワークアーキテクチャを共同で提案する。
  論文  参考訳（メタデータ） (2023-08-08T17:04:53Z)
• Lazy Visual Localization via Motion Averaging [89.8709956317671]
  本研究では,データベースからシーンを再構築することなく,高精度なローカライゼーションを実現することができることを示す。 実験の結果、我々の視覚的ローカライゼーションの提案であるLazyLocは、最先端の構造に基づく手法に対して同等のパフォーマンスを実現していることがわかった。
  論文  参考訳（メタデータ） (2023-07-19T13:40:45Z)
• Privacy-Preserving Representations are not Enough -- Recovering Scene Content from Camera Poses [63.12979986351964]
  既存のプライバシ保護ローカライゼーションの取り組みは、クラウドベースのサービスにアクセス可能な攻撃者に対して防御することを目的としている。 攻撃者は、単にローカライズサービスに問い合わせるだけで、アクセスすることなくシーンの詳細を知ることができることを示す。
  論文  参考訳（メタデータ） (2023-05-08T10:25:09Z)
• PL-EVIO: Robust Monocular Event-based Visual Inertial Odometry with Point and Line Features [3.6355269783970394]
  イベントカメラは、フレームレートが固定された強度画像の代わりにピクセルレベルの照明変化をキャプチャするモーションアクティベートセンサーである。 本稿では,ロバストで高精度でリアルタイムな単眼イベントベース視覚慣性オドメトリー(VIO)法を提案する。
  論文  参考訳（メタデータ） (2022-09-25T06:14:12Z)
• On the Design of Privacy-Aware Cameras: a Study on Deep Neural Networks [0.7646713951724011]
  本稿では, カメラの歪みがデータ保護に及ぼす影響について検討する。 ライセンスプレート番号などの個人情報を抽出できないプライバシ対応カメラを構築する。 同時に、歪み画像から有用な非感度データを抽出できることを保証します。
  論文  参考訳（メタデータ） (2022-08-24T08:45:31Z)
• Visual Localization via Few-Shot Scene Region Classification [84.34083435501094]
  ビジュアル(再)ローカライゼーションは、既知のシーンでキャプチャされたクエリイメージの6-DoFカメラのポーズを推定する問題に対処する。 画像画素からシーン座標へのマッピングを記憶することで,この問題を解決する。 シーン領域の分類手法を提案する。
  論文  参考訳（メタデータ） (2022-08-14T22:39:02Z)
• PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
  我々は、人間の行動認識パイプラインに沿って、堅牢な視覚的プライバシー保護を提供するための最適化フレームワークを提案する。 我々のフレームワークは、カメラレンズをパラメータ化して、ビデオの品質を劣化させ、プライバシー特性を抑え、敵の攻撃を防ぎます。
  論文  参考訳（メタデータ） (2022-06-08T13:43:29Z)
• SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
  アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。 自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。 本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:56:40Z)
• Deep Learning Approach Protecting Privacy in Camera-Based Critical Applications [57.93313928219855]
  カメラベースシステムにおけるプライバシー保護のためのディープラーニングアプローチを提案する。 我々の手法は、アプリケーションで必要とされない直感に基づいて、正当性(視覚的に顕著な)と非正則性(非正則性)を区別する。
  論文  参考訳（メタデータ） (2021-10-04T19:16:27Z)
• Moving Object Detection for Event-based vision using Graph Spectral Clustering [6.354824287948164]
  移動物体検出は、幅広い応用のためのコンピュータビジョンにおける中心的な話題となっている。 イベントベースデータにおける移動物体検出のための教師なしグラフスペクトルクラスタリング手法を提案する。 さらに,移動物体の最適個数を自動決定する方法について述べる。
  論文  参考訳（メタデータ） (2021-09-30T10:19:22Z)
• VS-Net: Voting with Segmentation for Visual Localization [72.8165619061249]
  本稿では,クエリ画像と3Dマップ間の2次元から3次元の対応を学習可能なシーン固有のランドマークで構築する,新しい視覚的ローカライゼーションフレームワークを提案する。 提案したVS-Netは、複数の公開ベンチマークで広範囲にテストされており、最先端のビジュアルローカライゼーション手法より優れている。
  論文  参考訳（メタデータ） (2021-05-23T08:44:11Z)
• Privacy-sensitive Objects Pixelation for Live Video Streaming [52.83247667841588]
  ライブビデオストリーミング中に自動的にパーソナルプライバシフィルタリングを行うための新しいPrivacy-sensitive Objects Pixelation(PsOP)フレームワークを提案する。 psopは、あらゆるプライバシーに敏感なオブジェクトのピクセル化に拡張可能です。 ストリーミング映像データを用いた実験では, ピクセル化精度の向上に加えて, プライバシーに敏感な物体のピクセル化において, PsOP が過剰なピクセル化比を大幅に削減できることが示された。
  論文  参考訳（メタデータ） (2021-01-03T11:07:23Z)
• Privacy-Preserving Image Features via Adversarial Affine Subspace Embeddings [72.68801373979943]
  多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。 本稿では,新しいプライバシー保護機能表現を提案する。 従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
  論文  参考訳（メタデータ） (2020-06-11T17:29:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。