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

• arxiv url: http://arxiv.org/abs/2212.03177v3
• Date: Sat, 18 Oct 2025 08:01:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.001788
• 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保護型ビジュアルローカライゼーション
• Authors: Junho Kim, Young Min Kim, Ramzi Zahreddine, Weston A. Welge, Gurunandan Krishnan, Sizhuo Ma, Jian Wang,
• Abstract要約: クライアントサーバのローカライゼーションの問題として,エッジデバイスユーザがサービスプロバイダと視覚データを通信して,事前に構築した3Dマップに対して自分自身を位置決めする,という問題を考える。 このローカライゼーションパラダイムは、大規模な3Dマップを格納したり、リソース制限されたエッジデバイス上で高速なローカライゼーションを処理することは簡単ではないため、AR/VRやモバイルアプリケーションにおける位置情報ベースのサービスにとって重要なコンポーネントである。 我々の研究は、イベントカメラに基づくローカライゼーションパイプラインでこれらの課題を共同で解決することを目的としている。
• 参考スコア（独自算出の注目度）: 26.356901082347548
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the problem of client-server localization, where edge device users communicate visual data with the service provider for locating oneself against a pre-built 3D map. This localization paradigm is a crucial component for location-based services in AR/VR or mobile applications, as it is not trivial to store large-scale 3D maps and process fast localization on resource-limited edge devices. Nevertheless, conventional client-server localization systems possess numerous challenges in computational efficiency, robustness, and privacy-preservation during data transmission. Our work aims to jointly solve these challenges with a localization pipeline based on event cameras. By using event cameras, our system consumes low energy and maintains small memory bandwidth. Then during localization, we propose applying event-to-image conversion and leverage mature image-based localization, which achieves robustness even in low-light or fast-moving scenes. To further enhance privacy protection, we introduce privacy protection techniques at two levels. Network level protection aims to hide the entire user's view in private scenes using a novel split inference approach, while sensor level protection aims to hide sensitive user details such as faces with light-weight filtering. Both methods involve small client-side computation and localization performance loss, while significantly mitigating the feeling of insecurity as revealed in our user study. We thus project our method to serve as a building block for practical location-based services using event cameras. Project page including the code is available through this link: https://82magnolia.github.io/event\_localization/.
• Abstract（参考訳）: クライアントサーバのローカライゼーションの問題として,エッジデバイスユーザがサービスプロバイダと視覚データを通信して,事前に構築した3Dマップに対して自分自身を位置決めする,という問題を考える。 このローカライゼーションパラダイムは、大規模な3Dマップを格納したり、リソース制限されたエッジデバイス上で高速なローカライゼーションを処理することは簡単ではないため、AR/VRやモバイルアプリケーションにおける位置情報ベースのサービスにとって重要なコンポーネントである。 それでも、従来のクライアントサーバのローカライゼーションシステムは、データ転送時の計算効率、堅牢性、プライバシー保護に多くの課題を抱えている。 我々の研究は、イベントカメラに基づくローカライゼーションパイプラインでこれらの課題を共同で解決することを目的としている。 イベントカメラを用いることで、低エネルギーを消費し、メモリ帯域幅を小さくする。 次に,ローカライゼーションにおいて,低照度や高速移動シーンにおいてもロバスト性を実現するために,イベント・ツー・イメージ変換を適用し,成熟した画像ベースのローカライゼーションを活用することを提案する。 プライバシー保護をさらに強化するため,プライバシー保護手法を2段階導入する。 ネットワークレベルの保護は、新しいスプリット推論アプローチを使用して、ユーザ全体のビューをプライベートなシーンに隠すことを目的としており、センサレベルの保護は、軽量なフィルタリングによる顔などのセンシティブなユーザの詳細を隠すことを目的としている。 どちらの手法も、小さなクライアントサイドの計算とローカライズ性能の損失を伴いますが、ユーザ調査で明らかになったように、セキュリティの不安感を著しく軽減します。 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。 コードを含むプロジェクトページは、このリンクから入手できる。

関連論文リスト

• 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)
• 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)
• 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)
• 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)
• 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)

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。