論文の概要: Designing Privacy-Preserving Visual Perception for Robot Navigation Based on User Privacy Preferences

• arxiv url: http://arxiv.org/abs/2604.06382v1
• Date: Tue, 07 Apr 2026 19:12:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.198143
• Title: Designing Privacy-Preserving Visual Perception for Robot Navigation Based on User Privacy Preferences
• Title（参考訳）: ユーザプライバシ設定に基づくロボットナビゲーションのためのプライバシ保護型視覚知覚の設計
• Authors: Xuying Huang, Sicong Pan, Delphine Reinhardt, Maren Bennewitz,
• Abstract要約: 本稿では,ロボットナビゲーションのためのプライバシ保護型視覚認識を設計するためのユーザ中心のアプローチを提案する。 その結果、ユーザーはプライバシー保護の視覚的抽象化とキャプチャ時の低分解能保存機構を好むことがわかった。
• 参考スコア（独自算出の注目度）: 6.704751710867746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual navigation is a fundamental capability of mobile service robots, yet the onboard cameras required for such navigation can capture privacy-sensitive information and raise user privacy concerns. Existing approaches to privacy-preserving navigation-oriented visual perception have largely been driven by technical considerations, with limited grounding in user privacy preferences. In this work, we propose a user-centered approach to designing privacy-preserving visual perception for robot navigation. To investigate how user privacy preferences can inform such design, we conducted two user studies. The results show that users prefer privacy-preserving visual abstractions and capture-time low-resolution preservation mechanisms: their preferred RGB resolution depends both on the desired privacy level and robot proximity during navigation. Based on these findings, we further derive a user-configurable distance-to-resolution privacy policy for privacy-preserving robot visual navigation.
• Abstract（参考訳）: ビジュアルナビゲーションは、モバイルサービスロボットの基本的な機能であるが、そのようなナビゲーションに必要なカメラは、プライバシに敏感な情報をキャプチャし、ユーザのプライバシの懸念を高めることができる。 プライバシーに配慮したナビゲーション指向の視覚知覚に対する既存のアプローチは、主に技術的な考慮によって推進され、ユーザのプライバシの嗜好が制限されている。 本研究では,ロボットナビゲーションのためのプライバシー保護型視覚認識を設計するためのユーザ中心のアプローチを提案する。 ユーザプライバシ・プライバシ・プライバシ・プライオリティがそのような設計にどのような影響を与えるかを検討するために,2つのユーザ・スタディを行った。 その結果、ユーザーはプライバシー保護の視覚的抽象化とキャプチャ時の低解像度保存機構を好んでおり、RGBの解像度は所望のプライバシレベルとナビゲーション中のロボット近接度に依存することがわかった。 これらの知見に基づいて,プライバシ保存ロボット視覚ナビゲーションのための,ユーザ設定可能な距離と解像度のプライバシポリシを導出する。

関連論文リスト

• Investigating In-Context Privacy Learning by Integrating User-Facing Privacy Tools into Conversational Agents [0.1390311627586184]
  プライバシツールとのインタラクションによってユーザのプライバシ学習が促進されるかを検討することで,コンテキスト内,経験的学習について検討する。 ジャスト・イン・タイムのプライバシー通知パネルをChatGPTのインターフェースに統合し、シミュレーションした。 我々は,ユーザ主導による機密情報の保護を支援したり妨げたりするタスクセッションやインターフェースデザインの前後における,参加者のプライバシに対する認識を質的に分析した。
  論文  参考訳（メタデータ） (2026-03-19T19:18:40Z)
• Gaze3P: Gaze-Based Prediction of User-Perceived Privacy [16.28726223771566]
  Gaze3Pは、ユーザが認識したプライバシの調査を促進するために特別に設計された最初のデータセットです。 私たちのデータセットは、100人の参加者と1000人の刺激からの視線データで構成されており、様々なプライベートな属性と安全な属性を含んでいる。 Gaze3Pでは、人間の目から知覚されたプライバシーを暗黙的に、動的に予測する機械学習モデルを訓練します。
  論文  参考訳（メタデータ） (2025-07-01T09:26:38Z)
• Privacy Risks of Robot Vision: A User Study on Image Modalities and Resolution [8.715498281864212]
  画像のモダリティと解像度の違いがユーザのプライバシの懸念にどのように影響するかを調査した。 その結果,奥行き画像はプライバシセーフと広く見なされ,セマンティックセグメンテーション画像に関しても,回答者の比率が同じであることがわかった。
  論文  参考訳（メタデータ） (2025-05-12T17:16:12Z)
• 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)
• PriviFy: Designing Tangible Interfaces for Configuring IoT Privacy Preferences [1.4999444543328289]
  PriviFyは、スマートデバイスプライバシ設定の設定をシンプルにするための、新規でユーザフレンドリな有形インターフェースです。 当社の研究からの肯定的なフィードバックとユーザエクスペリエンスによって、製品開発者やスマートデバイスメーカーが、私たちが特定した有用なデザイン要素を取り入れられるようになると期待しています。
  論文  参考訳（メタデータ） (2024-06-08T12:35:46Z)
• Floor extraction and door detection for visually impaired guidance [78.94595951597344]
  未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。 コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。 本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:38:43Z)
• Privacy concerns from variances in spatial navigability in VR [0.0]
  現在のバーチャルリアリティ(VR)入力デバイスは、仮想環境をナビゲートし、ユーザの動きや特定の行動習慣に関する没入的でパーソナライズされたデータを記録することができる。 本稿では,VRにおける既存のプライバシー問題に対する対処手段として,機械学習による学習アルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2023-02-06T01:48:59Z)
• Privacy Explanations - A Means to End-User Trust [64.7066037969487]
  この問題に対処するために、説明可能性がどのように役立つかを検討しました。 私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。 我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
  論文  参考訳（メタデータ） (2022-10-18T09:30:37Z)
• 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)
• 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)

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。