論文の概要: Cloak of Invisibility: Real-Time Privacy-Preserving Volumetric Video Streaming

• arxiv url: http://arxiv.org/abs/2608.11645v1
• Date: Wed, 12 Aug 2026 04:44:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.45081
• Title: Cloak of Invisibility: Real-Time Privacy-Preserving Volumetric Video Streaming
• Title（参考訳）: 可視性のクラック:リアルタイムなプライバシー保護ボリュームビデオストリーミング
• Abstract要約: ボリュームビデオストリーミングは、プライバシーを3Dのマルチビュー問題に変える。 InViStreamは、この設定のために設計されたリアルタイムの"プライバシ・オブ・ソース"システムである。
• 参考スコア（独自算出の注目度）: 40.19793192289804
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Volumetric video streaming turns privacy into a 3D, multi-view problem. Unlike ordinary video, where sensitive content can often be redacted frame by frame, RGB-D volumetric pipelines capture people, rooms, and personal objects from multiple cameras and fuse them into a shared 3D representation. A private object missed in one view, or only partially removed before fusion, can therefore reappear in the reconstructed scene. This creates a privacy challenge for 3D telepresence, education, entertainment, and immersive applications: private content should be removed before raw visual and geometric data leave the camera side, while the public part of the scene should remain useful for real-time reconstruction. Existing volumetric streaming systems mainly optimize reconstruction, data movement, and latency, while privacy-preserving vision methods are designed for single-camera, single-frame images and do not directly address calibrated multi-view RGB-D fusion. We present InViStream, a real-time "privacy-from-source" system designed for this setting. InViStream addresses three challenges in volumetric capture: private objects may appear differently across views, RGB masking alone can leave geometric privacy leakage in depth, and public/private instances of the same class must be separated consistently before cloud-side fusion. To address these challenges, InViStream combines object detection with depth-aware masking, propagates public/private decisions across calibrated views, and fuses only sanitized point clouds. We evaluate InViStream on synthetic and real RGB-D scenes, including offices, conference rooms, living rooms, and settings with multiple public and private people and objects. InViStream achieves synthetic Dice/Recall of 0.799/0.891 and real Dice/Recall of 0.792/0.908, with synthetic SSIM above 0.98 and real-time streaming above 30 FPS.
• Abstract（参考訳）: ボリュームビデオストリーミングは、プライバシーを3Dのマルチビュー問題に変える。 RGB-Dのボリュームパイプラインは、複数のカメラから人、部屋、個人オブジェクトをキャプチャし、それらを共有された3D表現に融合する。 1つの視点で見逃されたプライベートオブジェクト、または、融合前に部分的に取り除かれたオブジェクトは、再構成されたシーンで再び現れる。 これは、3Dテレプレゼンス、教育、エンターテイメント、没入型アプリケーションのためのプライバシー上の課題を生み出している: プライベートコンテンツは、生の視覚的および幾何学的データがカメラ側を離れる前に削除されるべきであり、シーンの公開部分はリアルタイムの再構築に有用である。 既存のボリュームストリーミングシステムは、主に再構成、データ移動、レイテンシを最適化するが、プライバシ保護のビジョン手法はシングルカメラ、シングルフレームの画像用に設計されており、キャリブレーションされたマルチビューRGB-D融合に直接対処しない。 InViStreamは、この設定のために設計されたリアルタイムの"プライバシ・オブ・ソース"システムである。 InViStreamはボリュームキャプチャにおける3つの課題に対処する: プライベートオブジェクトはビューによって異なる形で表示され、RGBマスクのみは幾何学的プライバシー漏洩を深く残すことができ、同じクラスのパブリック/プライベートインスタンスはクラウド側の融合前に一貫して分離されなければならない。 これらの課題に対処するため、InViStreamはオブジェクト検出とディープ・アウェア・マスキングを組み合わせることで、キャリブレーションされたビューをまたいだパブリック/プライベートな決定を伝達し、衛生化されたポイントクラウドのみをヒューズする。 InViStreamは、オフィス、会議室、リビングルーム、複数の公私人やオブジェクトによる設定を含む、合成的でリアルなRGB-Dシーンで評価する。 InViStreamは0.799/0.891の合成Dice/リコールと0.792/0.908のリアルDice/リコールを実現し、合成SSIMは0.98以上、リアルタイムストリーミングは30FPS以上である。

関連論文リスト

• AHOY! Animatable Humans under Occlusion from YouTube Videos with Gaussian Splatting and Video Diffusion Priors [58.22950708041041]
  AHOYは,眼球内モノクローナルビデオから完全でアニマタブルな3Dガウスアバターを再構成する手法である。 我々は,これまで観測されていなかった身体領域の密集的な監視を実現するために,個人識別拡散モデルを用いた幻覚・超越パイプラインを開発した。 得られたアバターは、新しいポーズでアニメーションできるほど頑丈で、3DGSのシーンに合成され、携帯電話のビデオで撮影される。
  論文  参考訳（メタデータ） (2026-03-18T17:39:05Z)
• Evaluation of Vision-LLMs in Surveillance Video [8.750453732584491]
  本稿では視覚言語モデル(VLM)の空間的推論について検討する。 これは、スパース2Dビデオからダイナミックな3Dシーンを解釈する、具体的認識課題に対処する。 UCF-Crime と RWF-2000 の4つのオープンモデルについて,プロンプトおよびプライバシ保護条件下で評価した。
  論文  参考訳（メタデータ） (2025-10-27T10:27:02Z)
• A Real-Time Diminished Reality Approach to Privacy in MR Collaboration [0.0]
  この論文は、複合現実会議におけるプライバシー制御を可能にするために設計された、リアルタイムな塗り絵ベースのDRシステムを示す。 このシステムにより、プライマリ・ヘッドセットのユーザーは、環境から個人的または機密性の高いアイテムを選択的に取り除くことができる。 720pの解像度で、パイプラインはフレームレートを20fps以上維持し、実用的なプライバシー保護MRアプリケーションに対するリアルタイムの低減現実の実現可能性を示している。
  論文  参考訳（メタデータ） (2025-08-21T04:01:56Z)
• SPAD : Spatially Aware Multiview Diffusers [86.18607017877657]
  テキストプロンプトや単一画像から一貫したマルチビュー画像を作成するための新しいアプローチであるSPADを提案する。 固定方位と高度でしかビューを生成できない最近の作品とは対照的に、SPADはフルカメラコントロールを提供し、最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-02-07T20:16:09Z)
• Total-Recon: Deformable Scene Reconstruction for Embodied View Synthesis [76.72505510632904]
  長い単眼のRGBDビデオから変形可能なシーンを再構成する最初の方法であるTotal-Reconを提案する。 本手法は背景と物体にシーンを階層的に分解し,動作を根体運動と局所的調音に分解する。
  論文  参考訳（メタデータ） (2023-04-24T17:59:52Z)
• STPrivacy: Spatio-Temporal Tubelet Sparsification and Anonymization for Privacy-preserving Action Recognition [28.002605566359676]
  両時間的視点からプライバシー保護を行うPPARパラダイムを提案し,STPrivacyフレームワークを提案する。 当社のSTPrivacyは初めて視覚変換器をPPARに適用し,映像を漏洩時管のシーケンスと見なしている。 大規模なベンチマークがないため、最も人気のある2つのアクション認識データセットの5つのプライバシ属性を注釈付けします。
  論文  参考訳（メタデータ） (2023-01-08T14:07:54Z)
• Scale Invariant Privacy Preserving Video via Wavelet Decomposition [9.864435932969549]
  プライバシー保護ビデオのための提案された解決策は、生成されたビデオから識別された情報を除去することである。 いくつかのアルゴリズムが提案されているが、いずれもスケールの問題に悩まされている。 本稿ではウェーブレット分解に基づくスケール不変法を提案する。
  論文  参考訳（メタデータ） (2022-11-07T17:03:23Z)
• Deep 3D Mask Volume for View Synthesis of Dynamic Scenes [49.45028543279115]
  120FPSのカスタム10カメラリグでキャプチャしたマルチビュービデオデータセットを提案する。 データセットには、屋外シーンにおけるさまざまな視覚効果と人間の相互作用を示す96の高品質なシーンが含まれている。 我々は,静的カメラで捉えた動的シーンの双眼映像から時間的に安定な視線外挿を可能にする新しいアルゴリズムであるDeep 3D Mask Volumeを開発した。
  論文  参考訳（メタデータ） (2021-08-30T17:55:28Z)
• Human Mesh Recovery from Multiple Shots [85.18244937708356]
  疑似地上真理3Dヒューマンメッシュを用いた長期シーケンスの3次元再構築とマイニングの改善のためのフレームワークを提案する。 得られたデータは,様々なメッシュ回復モデルのトレーニングに有用であることを示す。 編集メディアの大規模なライブラリーから3Dコンテンツを処理・分析するための扉を開くツールを開発した。
  論文  参考訳（メタデータ） (2020-12-17T18:58:02Z)

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。