論文の概要: Privacy-Preserving Representations are not Enough -- Recovering Scene
Content from Camera Poses
- arxiv url: http://arxiv.org/abs/2305.04603v1
- Date: Mon, 8 May 2023 10:25:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 14:49:46.205439
- Title: Privacy-Preserving Representations are not Enough -- Recovering Scene
Content from Camera Poses
- Title（参考訳）: プライバシー保護の表現は十分ではない -- カメラポッドからシーンコンテンツを復元する
- Authors: Kunal Chelani and Torsten Sattler and Fredrik Kahl and Zuzana Kukelova
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 63.12979986351964
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Visual localization is the task of estimating the camera pose from which a
given image was taken and is central to several 3D computer vision
applications. With the rapid growth in the popularity of AR/VR/MR devices and
cloud-based applications, privacy issues are becoming a very important aspect
of the localization process. Existing work on privacy-preserving localization
aims to defend against an attacker who has access to a cloud-based service. In
this paper, we show that an attacker can learn about details of a scene without
any access by simply querying a localization service. The attack is based on
the observation that modern visual localization algorithms are robust to
variations in appearance and geometry. While this is in general a desired
property, it also leads to algorithms localizing objects that are similar
enough to those present in a scene. An attacker can thus query a server with a
large enough set of images of objects, \eg, obtained from the Internet, and
some of them will be localized. The attacker can thus learn about object
placements from the camera poses returned by the service (which is the minimal
information returned by such a service). In this paper, we develop a
proof-of-concept version of this attack and demonstrate its practical
feasibility. The attack does not place any requirements on the localization
algorithm used, and thus also applies to privacy-preserving representations.
Current work on privacy-preserving representations alone is thus insufficient.
- Abstract（参考訳）: 視覚的ローカライゼーションは、与えられた画像が撮影され、複数の3Dコンピュータビジョンアプリケーションの中心となるカメラポーズを推定するタスクである。
AR/VR/MRデバイスやクラウドベースのアプリケーションの人気が急速に高まり、プライバシーの問題がローカライゼーションプロセスの非常に重要な側面になりつつある。
既存のプライバシー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。
本稿では,ローカライズサービスを単に検索するだけで,攻撃者がアクセスせずにシーンの詳細を知ることができることを示す。
この攻撃は、現代のビジュアルローカライズアルゴリズムが外観や幾何学のバリエーションにロバストであるという観測に基づいている。
これは一般的には望ましい性質であるが、シーンに存在するものと十分に類似したオブジェクトをローカライズするアルゴリズムにも繋がる。
これにより、攻撃者は、インターネットから取得した、十分に大きなオブジェクトのイメージのセットでサーバーに問い合わせることができ、それらのいくつかはローカライズされる。
攻撃者は、サービスによって返されたカメラポーズ(そのようなサービスによって返される最小限の情報)から、オブジェクトの配置について学ぶことができる。
本稿では,この攻撃の概念実証版を開発し,その実用性を示す。
この攻撃は使用するローカライズアルゴリズムには何の要件も与えず、プライバシ保存表現にも適用される。
そのため、プライバシー保護表現のみに関する現在の作業は不十分である。
関連論文リスト
- Obfuscation Based Privacy Preserving Representations are Recoverable Using Neighborhood Information [43.14648227833812]
プライバシ保護ローカライゼーションの研究は、クエリ画像キーポイントとシーンマップの3Dポイントに対する逆攻撃を防ぐことに重点を置いている。
これらの難読化の共通の弱点を指摘し、既知の近傍の仮定の下で元の点位置の近似を復元できるようにする。
以上の結果から,プライバシ保護を主張されているにもかかわらず,これらのスキームはプライバシ保護とはみなしてはならないことが示唆された。
論文 参考訳（メタデータ） (2024-09-17T20:13:54Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - 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) - 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 Visual Localization with Event Cameras [13.21898697942957]
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。
論文 参考訳（メタデータ） (2022-12-04T07:22:17Z) - 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) - Object Manipulation via Visual Target Localization [64.05939029132394]
オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。
本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。
評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
論文 参考訳（メタデータ） (2022-03-15T17:59:01Z) - Analysis and Mitigations of Reverse Engineering Attacks on Local Feature
Descriptors [15.973484638972739]
我々は,制御条件下でスパース特徴マップに対するリバースエンジニアリング攻撃を示し,人気のある記述子の脆弱性を分析した。
画像マッチング精度を維持しつつ,プライバシ復元リスクを慎重にバランスをとるために,ディスクリプタのサブセットを選択する潜在的な緩和手法を評価する。
論文 参考訳（メタデータ） (2021-05-09T01:41:36Z) - 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。