論文の概要: Seeing Through the Weights: Privacy Leakage in Scene Coordinate Regression
- arxiv url: http://arxiv.org/abs/2606.31164v1
- Date: Tue, 30 Jun 2026 05:54:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.08877
- Title: Seeing Through the Weights: Privacy Leakage in Scene Coordinate Regression
- Title（参考訳）: 重みを通して見る:シーンの協調的回帰におけるプライバシ漏洩
- Abstract要約: SCR(Scene Coordinate Regression)法は、視覚的ローカライゼーションに採用されている。
シーンはネットワークパラメータを通してのみ表現され、画像やマップとして明示的に保存されないため、そのような方法はプライバシ保護であると仮定されることが多い。
本研究では,SCRモデルから学習環境の3次元形状をモデルアクセスの異なるレベルで再構成するクエリベースの攻撃を提案する。
これは、SCR表現が設計によるプライバシ保護であるという文献の主張と直接矛盾しており、そのようなシステムがプライベートまたはセキュリティクリティカルな空間にデプロイされた場合の本当のリスクを明らかにしている。
- 参考スコア（独自算出の注目度）: 9.85962651843239
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scene Coordinate Regression (SCR) methods are increasingly adopted for visual localization. In these approaches, the scene is implicitly encoded within a neural network that regresses a 3D world coordinate for each image pixel. Because the scene is represented only through the network parameters and not stored explicitly as images or maps, such methods are often assumed to be privacy-preserving. In this work, we show that this assumption is incorrect in practice. Specifically, we introduce a query-based attack that reconstructs the 3D geometry of the training environment from an SCR model under different levels of model access. To do so, we repeatedly query the model with batches of proxy images unrelated to the target scene to obtain dense pixel-wise 3D coordinates. Reliable points are identified through their stability under small input perturbations and can be further refined in a white-box setting. These stable points are accumulated across independent query batches to recover the scene geometry. From the recovered 3D representation, we also invert the network features to synthesize images from arbitrary viewpoints, revealing additional appearance information. Experiments on indoor and outdoor datasets demonstrate that substantial portions of training environments can be reconstructed with high geometric fidelity. Beyond geometry, we also recover an approximate color appearance, which exposes recognizable layout and potentially sensitive scene elements. This directly contradicts claims in the literature that SCR representations are privacy-preserving by design, and reveals a real risk when such systems are deployed in private or security-critical spaces. The project page is available at https://jaeminch0.github.io/seeing-through-the-weights-privacy-leakage-in-scene-coordinate-regressio n.
- Abstract（参考訳）: SCR(Scene Coordinate Regression)法は、視覚的ローカライゼーションに採用されている。
これらのアプローチでは、シーンはニューラルネットワーク内に暗黙的にエンコードされ、各画像ピクセルの3次元世界座標を回帰する。
シーンはネットワークパラメータを通してのみ表現され、画像やマップとして明示的に保存されないため、そのような方法はプライバシ保存であると仮定されることが多い。
本研究では,この仮定が実際は誤りであることを示す。
具体的には、異なるレベルのモデルアクセス下でSCRモデルからトレーニング環境の3次元幾何を再構築するクエリベースの攻撃を導入する。
そこで本研究では,ターゲットシーンとは無関係なプロキシ画像のバッチを用いてモデルを繰り返しクエリし,高密度な画素ワイド3D座標を求める。
信頼性のある点は、小さな入力摂動の下で安定性によって識別され、ホワイトボックスの設定でさらに洗練される。
これらの安定点は独立したクエリバッチにまたがって蓄積され、シーンの形状を復元する。
復元された3D表現から、ネットワークの特徴を逆転させ、任意の視点から画像を合成し、追加の外観情報を明らかにする。
屋内および屋外のデータセットの実験では、トレーニング環境のかなりの部分が高い幾何学的忠実度で再構成可能であることが示されている。
幾何学以外にも、レイアウトを認識し、潜在的にセンシティブなシーン要素を露呈する、近似カラーの外観を復元する。
これは、SCR表現が設計によるプライバシ保護であるという文献の主張と直接矛盾しており、そのようなシステムがプライベートまたはセキュリティクリティカルな空間にデプロイされた場合の本当のリスクを明らかにしている。
プロジェクトのページはhttps://jaeminch0.github.io/seeing-through-the-weights-privacy-leakage-in-scene-coordinate-regressio nで公開されている。
関連論文リスト
- HGGT: Robust and Flexible 3D Hand Mesh Reconstruction from Uncalibrated Images [81.42866295265443]
高忠実度3Dハンドジオメトリはコンピュータビジョンにおいて重要な課題である。
スケーラブルなアプリケーションは、正確性とデプロイメントの柔軟性の両方を必要とします。
本研究では、3Dハンドメッシュとカメラのポーズを非校正視点から推定するフィードフォワードアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-03-25T06:54:34Z) - Point3R: Streaming 3D Reconstruction with Explicit Spatial Pointer Memory [72.75478398447396]
我々は,高密度ストリーミング3D再構成を目的としたオンラインフレームワークであるPoint3Rを提案する。
具体的には、現在のシーンの3次元構造に直接関連した空間ポインタメモリを明示的に保持する。
本手法は,訓練コストの低い各種タスクにおいて,競争力や最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-07-03T17:59:56Z) - A-SCoRe: Attention-based Scene Coordinate Regression for wide-ranging scenarios [1.2093553114715083]
A-ScoReは、意味のある高セマンティックな2Dディスクリプタを生成するために、ディスクリプタマップレベルの注意を利用するアテンションベースのモデルである。
その結果,本手法はより軽量でフレキシブルでありながら,複数のベンチマークでState-of-the-artメソッドに匹敵する性能を示した。
論文 参考訳（メタデータ） (2025-03-18T07:39:50Z) - 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) - Self-supervised Learning of Neural Implicit Feature Fields for Camera Pose Refinement [32.335953514942474]
本稿では,3次元の高密度特徴場と2次元の特徴抽出器を併用してシーン表現を共同学習することを提案する。
暗黙の場に符号化された中間的幾何情報を活用するために、ボリュームレンダリングを通してシーンの基盤となる幾何学を学習し、特徴体を設計する。
次に、画像ベースの機能とレンダリングされたボリューム機能を調整することで、視覚的なローカライゼーションを実現する。
論文 参考訳（メタデータ） (2024-06-12T17:51:53Z) - GLACE: Global Local Accelerated Coordinate Encoding [66.87005863868181]
シーン座標回帰法は小規模なシーンでは有効であるが、大規模シーンでは重大な課題に直面している。
本研究では,事前学習したグローバルおよびローカルのエンコーディングを統合したGLACEを提案する。
提案手法は,低マップサイズモデルを用いて,大規模シーンにおける最先端結果を実現する。
論文 参考訳（メタデータ） (2024-06-06T17:59:50Z) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z) - SACReg: Scene-Agnostic Coordinate Regression for Visual Localization [16.866303169903237]
本稿では,新しいテストシーンで1回トレーニングされた一般化SCRモデルを提案する。
我々のモデルは、シーン座標をネットワーク重みに符号化する代わりに、スパース2Dピクセルのデータベースイメージを3D座標アノテーションに入力する。
画像のデータベース表現とその2D-3Dアノテーションは,局所化性能を損なうことなく,高度に圧縮できることを示す。
論文 参考訳（メタデータ） (2023-07-21T16:56:36Z) - HSCNet++: Hierarchical Scene Coordinate Classification and Regression
for Visual Localization with Transformer [23.920690073252636]
本稿では,1枚のRGB画像から画素シーン座標を粗い方法で予測する階層的なシーン座標ネットワークを提案する。
提案手法は,HSCNetの拡張であり,大規模環境にロバストにスケールするコンパクトモデルの訓練を可能にする。
論文 参考訳（メタデータ） (2023-05-05T15:00:14Z) - Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。
平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。
提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
論文 参考訳（メタデータ） (2022-05-05T17:59:55Z) - Back to the Feature: Learning Robust Camera Localization from Pixels to
Pose [114.89389528198738]
画像と3Dモデルから正確な6-DoFのポーズを推定するシーンに依存しないニューラルネットワークPixLocを導入する。
このシステムは、粗いポーズ前の大きな環境でもローカライズできるが、スパース特徴マッチングの精度も向上する。
論文 参考訳（メタデータ） (2021-03-16T17:40:12Z)
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。