論文の概要: Privacy-Preserving Structureless Visual Localization via Image Obfuscation

• arxiv url: http://arxiv.org/abs/2604.12068v1
• Date: Mon, 13 Apr 2026 21:16:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.127468
• Title: Privacy-Preserving Structureless Visual Localization via Image Obfuscation
• Title（参考訳）: 画像難読化によるプライバシー保護型非構造型ビジュアルローカライゼーション
• Authors: Vojtech Panek, Patrik Beliansky, Zuzana Kukelova, Torsten Sattler,
• Abstract要約: 実際には、視覚的ローカライゼーションシステムは、しばしばクラウドベースである。 プライバシー保護のローカライゼーションは、そのような個人情報の漏洩を避けることを目的としている。 プライバシー保護の文脈における非構造的ローカライゼーション手法について考察する。
• 参考スコア（独自算出の注目度）: 32.71057712946216
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual localization is the task of estimating the camera pose of an image relative to a scene representation. In practice, visual localization systems are often cloud-based. Naturally, this raises privacy concerns in terms of revealing private details through the images sent to the server or through the representations stored on the server. Privacy-preserving localization aims to avoid such leakage of private details. However, the resulting localization approaches are significantly more complex, slower, and less accurate than their non-privacy-preserving counterparts. In this paper, we consider structureless localization methods in the context of privacy preservation. Structureless methods represent the scene through a set of reference images with known camera poses and intrinsics. In contrast to existing methods proposing representations that are as privacy-preserving as possible, we study a simple image obfuscation approach based on common image operations, e.g., replacing RGB images with (semantic) segmentations. We show that existing structureless pipelines do not need any special adjustments, as modern feature matchers can match obfuscated images out of the box. The results are easy-to-implement pipelines that can ensure both the privacy of the query images and the scene representations. Detailed experiments on multiple datasets show that the resulting methods achieve state-of-the-art pose accuracy for privacy-preserving approaches.
• Abstract（参考訳）: 視覚的ローカライゼーションは、シーン表現に対する画像のカメラポーズを推定するタスクである。 実際には、視覚的ローカライゼーションシステムは、しばしばクラウドベースである。 当然これは、サーバに送信された画像やサーバに格納された表現を通じて、プライベートな詳細を明らかにするという点で、プライバシー上の懸念を提起する。 プライバシー保護のローカライゼーションは、そのような個人情報の漏洩を避けることを目的としている。 しかし、結果として生じるローカライゼーションのアプローチは、非プライバシー保存のアプローチよりもはるかに複雑で、遅く、正確ではない。 本稿では,プライバシー保護の文脈における非構造的ローカライズ手法について考察する。 構造のない方法は、既知のカメラのポーズと本質的な特徴を持つ一連の参照画像を通してシーンを表現する。 プライバシ保存が可能な表現を提案する既存の方法とは対照的に,一般的な画像操作に基づく単純な画像難読化アプローチ,例えば,RGBイメージを(意味)セグメンテーションに置き換える手法について検討する。 既存の構造のないパイプラインでは特別な調整が不要であることを示す。 結果は簡単に実装できるパイプラインであり、クエリイメージのプライバシとシーン表現の両方を保証する。 複数のデータセットに関する詳細な実験では、結果として得られた手法が、プライバシ保護アプローチの正確さを実現することが示されている。

関連論文リスト

• Privacy Blur: Quantifying Privacy and Utility for Image Data Release [48.64095568151945]
  ガウス的曖昧化の実践的実装は、プライバシーを破るのに十分な可逆性を持っていることを示す。 私たちは、他の3つの難読化アルゴリズムによって提供されるプライバシーとユーティリティのトレードオフを詳しく見ていきます。 ピクセル化とノイズ付加は、多くのコンピュータビジョンタスクのプライバシとユーティリティの両方を提供する。
  論文  参考訳（メタデータ） (2025-12-18T02:01:17Z)
• Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
  本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。 VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。 提案手法では,データベース画像の重複点の評価に投票機構を用いる。
  論文  参考訳（メタデータ） (2024-06-23T20:00:20Z)
• LDP-Feat: Image Features with Local Differential Privacy [10.306943706927006]
  埋め込みから元の画像の特徴を復元できることを示すために,2つの新しい反転攻撃を提案する。 本稿では,画像特徴を局所的な差分プライバシーによって民営化する最初の手法を提案する。
  論文  参考訳（メタデータ） (2023-08-22T06:28:55Z)
• 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)
• Privacy-Preserving Visual Localization with Event Cameras [26.356901082347548]
  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。
  論文  参考訳（メタデータ） (2022-12-04T07:22:17Z)
• Memory-guided Unsupervised Image-to-image Translation [54.1903150849536]
  インスタンスレベルの画像から画像への変換のための教師なしのフレームワークを提案する。 我々のモデルは最近のインスタンスレベルの手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-12T03:02:51Z)
• 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)
• InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
  視覚データに流出した個人情報を個人が制限できる技術について検討する。 我々はこの問題を新しい画像難読化フレームワークで解決する。 提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
  論文  参考訳（メタデータ） (2020-05-20T19:48:04Z)

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。