論文の概要: Privacy-Preserving Semantic Segmentation from High-Resolution Depth and Ultra-Low-Resolution RGB

• arxiv url: http://arxiv.org/abs/2609.28360v1
• Date: Wed, 23 Sep 2026 16:31:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.121884
• Title: Privacy-Preserving Semantic Segmentation from High-Resolution Depth and Ultra-Low-Resolution RGB
• Title（参考訳）: 高分解能深さおよび超低分解能RGBからのプライバシー保護セマンティックセマンティックセグメンテーション
• Abstract要約: プライバシー保護型非対称センシング設定は、高分解能(HR)深さとULR RGBを組み合わせることで、きめ細かい視覚情報を制限しながら、密集した幾何学を保存する。 3Dセグメンテーションのための2Dセグメンテーション機能を統合したエンドツーエンドの2D-to-3Dパイプラインを開発した。 ScanNetの実験により,プライバシ保護手法の2次元および3次元セグメンテーション性能が最良であることが確認された。
• 参考スコア（独自算出の注目度）: 6.968744929044554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As mobile robots become increasingly integrated into everyday environments, privacy risks arising from onboard cameras have become a growing concern. Ultra-low-resolution (ULR) RGB can mitigate visual privacy exposure at the source, but ULR appearance alone substantially limits semantic and spatial understanding. We therefore introduce a privacy-preserving asymmetric sensing setting that combines high-resolution (HR) depth with ULR RGB, preserving dense geometry while restricting fine-grained visual information. To address the severe information imbalance between HR depth and ULR RGB, we propose a joint 2D framework using HR geometry to guide semantic-oriented RGB reconstruction and RGB-D segmentation. Despite reliable frame-level predictions, consistent scene-level understanding remains challenging under the asymmetric HR depth--ULR RGB setting. We therefore develop an end-to-end 2D-to-3D pipeline that consolidates 2D semantic features for 3D segmentation. Experiments on ScanNet show that our method achieves the best 2D and 3D segmentation performance among privacy-preserving approaches and delivers the strongest zero-shot transfer to SUN RGB-D and SceneNN. Privacy recoverability analysis shows that our proposed HR depth--ULR RGB input reduces the recoverability of sensitive data, and real-robot experiments demonstrate the utility of the resulting 3D semantics for object-goal navigation.
• Abstract（参考訳）: モバイルロボットが日常環境にますます統合されるにつれて、搭載カメラによるプライバシーリスクが懸念されている。 超低解像度(ULR)のRGBは、ソースでの視覚的プライバシ露出を緩和するが、ULRの外観だけでは意味と空間的理解を著しく制限する。 したがって、高分解能(HR)深度とULR RGBを組み合わせたプライバシー保護型非対称センシング設定を導入し、微細な視覚情報を制限する。 HR深度とULR RGBの厳密な情報不均衡に対処するために,HR幾何を用いて意味指向RGB再構成とRGB-Dセグメンテーションを導出する2Dフレームワークを提案する。 フレームレベルの予測は信頼できるが、非対称HR深度-ULR RGB設定の下では、一貫したシーンレベルの理解が困難である。 そこで我々は,3次元セグメンテーションのための2次元セグメンテーション機能を統合したエンドツーエンドの2D-to-3Dパイプラインを開発した。 ScanNetの実験では,プライバシ保護手法間で最高の2Dおよび3Dセグメンテーション性能を実現し,SUN RGB-DおよびSceneNNへの最強ゼロショット転送を実現する。 プライバシー回復可能性分析により,提案したHR深度-ULR RGB入力はセンシティブなデータの回復性を低減し,実ロボット実験によりオブジェクトゴールナビゲーションにおける3Dセマンティクスの有用性が実証された。

関連論文リスト

• UniRED: Unified RGB-D Video Frame Interpolation with Event Guidance [19.80142530142947]
  高フレームレートのRGB-Dビデオは、モーション分析、動的シーン理解、3D再構成など、さまざまな下流タスクに不可欠である。 既存のビデオ手法は、RGBデータに対して高い性能を達成しているが、RGB-Dシナリオには適用できない。 本稿では,RGBの外観,深度幾何学,イベントベースの時間的手がかりを併用したRGB-Dビデオ用統合マルチモーダルフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-23T08:03:58Z)
• Depth-based Privileged Information for Boosting 3D Human Pose Estimation on RGB [48.31210455404533]
  ヒートマップに基づく3Dポーズ推定器は、推定時に与えられるRGBフレームから深度情報を幻覚することができる。 深度情報は、RGBベースの幻覚ネットワークを強制して、深度データのみに基づいて事前訓練されたバックボーンに類似した特徴を学習することによって、トレーニング中にのみ使用される。
  論文  参考訳（メタデータ） (2024-09-17T11:59:34Z)
• Confidence-Aware RGB-D Face Recognition via Virtual Depth Synthesis [48.59382455101753]
  2D顔認証は、照明、閉塞、ポーズの変化により、制約のない環境において課題に遭遇する。 近年の研究では、深度情報を組み込んだRGB-D顔認証に焦点が当てられている。 本研究では,まず,深度モデル事前学習のための3次元Morphable Modelsによって生成された多様な深度データセットを構築する。 そこで本研究では,手軽に利用できるRGBと深度モデルを利用したドメイン非依存の事前学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-11T09:12:24Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Pyramidal Attention for Saliency Detection [30.554118525502115]
  本稿では,RGB画像のみを活用し,RGBから深度を推定し,中間深度特性を利用する。 ピラミッド型アテンション構造を用いて,マルチレベル畳み込み変換器の特徴を抽出し,初期表現の処理を行う。 我々は8つのRGBおよびRGB-Dデータセット上で21と40の最先端SOD法に対する性能を著しく改善したことを報告した。
  論文  参考訳（メタデータ） (2022-04-14T06:57:46Z)
• Boosting RGB-D Saliency Detection by Leveraging Unlabeled RGB Images [89.81919625224103]
  RGB-D Salient Object Detection (SOD) のための深層モデルの訓練は、しばしば多数のラベル付きRGB-D画像を必要とする。 本稿では、ラベルのないRGB画像を活用するために、Dual-Semi RGB-D Salient Object Detection Network (DS-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-01T03:02:27Z)
• RGB-D Salient Object Detection with Ubiquitous Target Awareness [37.6726410843724]
  我々は、新しい深度認識フレームワークを用いて、RGB-D有向物体検出問題を解くための最初の試みを行う。 本稿では,RGB-D SODタスクにおける3つの課題を解決するために,ユビキタスターゲット意識(UTA)ネットワークを提案する。 提案するUTAネットワークは深度フリーで,43FPSでリアルタイムに動作可能である。
  論文  参考訳（メタデータ） (2021-09-08T04:27:29Z)
• Data-Level Recombination and Lightweight Fusion Scheme for RGB-D Salient Object Detection [73.31632581915201]
  深部特徴抽出に先立って,RGBとD(深部)を融合する新たなデータレベル組換え手法を提案する。 新たに設計された3重ストリームネットワークをこれらの新しい定式化データ上に適用し,RGBとDのチャネルワイドな相補的融合状態を実現する。
  論文  参考訳（メタデータ） (2020-08-07T10:13:05Z)
• Synergistic saliency and depth prediction for RGB-D saliency detection [76.27406945671379]
  既存のRGB-Dサリエンシデータセットは小さく、多様なシナリオに対して過度に適合し、限定的な一般化につながる可能性がある。 そこで本研究では,RGB-Dサリエンシ検出のための半教師付きシステムを提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:24:41Z)

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。