論文の概要: Steering Vision-Language Models for Visual-Contextual Privacy in Location Disclosure

• arxiv url: http://arxiv.org/abs/2610.27323v1
• Date: Mon, 19 Oct 2026 21:41:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.521277
• Title: Steering Vision-Language Models for Visual-Contextual Privacy in Location Disclosure
• Title（参考訳）: 位置情報開示における視覚的プライバシーのためのステアリング・ビジョン・ランゲージモデル
• Abstract要約: 位置情報開示における視覚的コンテキストプライバシについて検討し、VLMは画像に表される視覚的コンテキストに適した粒度でのみ位置情報を明らかにする。 正規粒度ルータは、視覚的コンテキストのプライバシ表現を開示経路にマッピングし、開示レベルのステアリングモジュールはデコード中に隠れ状態の介入を適用する。 4つのVLMバックボーンにまたがって,視覚的コンテキストを意識した開示アライメントの改善,オーバー・アンダー・開示のバランスの改善,一般機能ベンチマークの微妙な変更のみを生じる。
• 参考スコア（独自算出の注目度）: 25.97039531958977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language models (VLMs) can infer sensitive information such as geolocation from subtle visual cues, creating privacy risks when responses disclose more detail than the visual context warrants. We study visual-contextual privacy in geolocation disclosure, where a VLM should reveal location information only at the granularity appropriate to the visual context depicted in the image. We first show that this contextually appropriate granularity is recoverable from pre-generation hidden states, even when generated responses are misaligned, with disclosure levels exhibiting an ordered structure along a common hidden-state direction. Motivated by this, we propose an inference-time route-and-steer framework: an ordinal granularity router maps visual-contextual privacy representations to a disclosure route, and a disclosure-level-conditioned steering module applies route-specific hidden-state interventions during decoding. Across four VLM backbones, our method improves visual-context-aware disclosure alignment, better balances over- and under-disclosure, and incurs only modest changes on general capability benchmarks. It further transfers to another dataset with a distinct data distribution and privacy-risk taxonomy.
• Abstract（参考訳）: 視覚言語モデル(VLM)は、微妙な視覚的手がかりから位置情報などのセンシティブな情報を推測し、応答が視覚的コンテキスト保証よりも詳細を開示した場合にプライバシーリスクを発生させる。 位置情報開示における視覚的コンテキストプライバシについて検討し、VLMは画像に表される視覚的コンテキストに適した粒度でのみ位置情報を明らかにする。 まず、この文脈的に適切な粒度は、生成した応答が一致していない場合でも、前世代の隠れ状態から回復可能であることを示し、共通の隠蔽状態方向に沿って秩序構造を示す開示レベルを示す。 そこで本研究では,情報開示経路に視覚的コンテキストのプライバシ表現をマッピングする順序的グラニュアリティ・ルータと,復号中における経路固有の隠れ状態介入を適用した開示レベルのステアリング・モジュールを提案する。 4つのVLMバックボーンにまたがって,視覚的コンテキストを意識した開示アライメントの改善,オーバー・アンダー・開示のバランスの改善,一般機能ベンチマークの微妙な変更のみを生じる。 さらに、データ分散とプライバシリスクの分類を区別した別のデータセットに転送する。

関連論文リスト

• Vision Language Model Helps Private Information De-Identification in Vision Data [55.425628316813174]
  VisShieldは、ビジュアル言語モデル(VLM)のプライバシー意識を高めるために設計されたエンドツーエンドフレームワークである。 我々のフレームワークは2つの重要なコンポーネントで構成されている。 我々のアプローチは、VLMがプライバシーに敏感なテキストを認識し、検出されたエンティティに対して正確なバウンディングボックスを出力することを保証する。
  論文  参考訳（メタデータ） (2026-06-08T07:30:20Z)
• InfoGeo: Information-Theoretic Object-Centric Learning for Cross-View Generalizable UAV Geo-Localization [12.259964756337892]
  クロスビューなジオローカライゼーションは、GPSを用いた環境での正確な位置決めとナビゲーションに欠かせない。 本稿では,堅牢性と一般化性を高めるための情報理論フレームワークであるInfoGeoを提案する。 InfoGeoは,ビュー間のオブジェクト中心構造関係を整列させることにより,ビュー不変情報を最大化すること,ビュー固有ノイズ信号の最小化という2つの目的により,情報ボトルネックプロセスとして最適化を再構築する。
  論文  参考訳（メタデータ） (2026-05-08T01:28:49Z)
• See No Evil: Semantic Context-Aware Privacy Risk Detection for AR [14.770246116554453]
  既存のARプライバシーフレームワークには、ビジュアルコンテンツのセマンティックな理解が欠けている。 PrivARは視覚的なシーンキューを使用して、潜在的な機密情報型を推測する。 PrivARはベースラインに比べて精度(81.48%)とF1スコア84.62%)が優れている。
  論文  参考訳（メタデータ） (2026-04-14T04:17:53Z)
• Vision-Language Feature Alignment for Road Anomaly Segmentation [38.2615882515309]
  本稿では,事前学習された視覚言語モデル(VLM)のセマンティクスを組み込んだ視覚言語異常セグメンテーションフレームワークを提案する。 具体的には,Mask2Formeの視覚的特徴を既知のカテゴリのCLIPテキスト埋め込みに適応させる,素早い学習駆動アライメントモジュールを設計する。 推論時に,テキスト誘導類似性,CLIPに基づく画像テキスト類似性,検出信頼度を統合したマルチソース推論戦略を導入する。
  論文  参考訳（メタデータ） (2026-03-01T10:17:00Z)
• Do Vision-Language Models Respect Contextual Integrity in Location Disclosure? [35.91273000038155]
  視覚言語モデル (VLM) は画像位置情報において高い性能を示した。 これは、カジュアルに共有された写真からセンシティブな場所を推測するために悪用されるため、重大なプライバシーリスクを引き起こす。 VLM-GEOPRIVACY(VLM-GEOPRIVACY)は、実世界の画像に潜伏する社会的規範や文脈的手がかりを解釈するために、VLMに挑戦するベンチマークである。
  論文  参考訳（メタデータ） (2026-02-04T20:24:14Z)
• Teaching VLMs to Localize Specific Objects from In-context Examples [56.797110842152]
  現在、視覚言語モデル(VLM)には、状況を考慮した特定の物体をシーン内でローカライズする学習という、基本的な認知能力がないことが分かっています。 この研究は、VLMのパーソナライズされた数ショットのローカライゼーションを探索し、ベンチマークした初めてのものである。
  論文  参考訳（メタデータ） (2024-11-20T13:34:22Z)
• Open-Vocabulary Camouflaged Object Segmentation [66.94945066779988]
  OVCOS(Open-vocabulary camouflaged Object segmentation)を導入した。 我々は11,483個の手選択画像とそれに対応するオブジェクトクラスを含む大規模複合シーンデータセット(textbfOVCamo)を構築した。 クラスセマンティック知識の指導とエッジ情報と深度情報からの視覚構造的手がかりの補足を統合することにより、提案手法は効率よくカモフラージュされたオブジェクトを捕捉できる。
  論文  参考訳（メタデータ） (2023-11-19T06:00:39Z)
• Zero-Shot Video Moment Retrieval from Frozen Vision-Language Models [58.17315970207874]
  モーメント・テキストアライメントを容易にするため、任意のVLMから一般化可能なビジュアル・テクスチャの事前適応のためのゼロショット手法を提案する。 3つのVMRベンチマークデータセットで実施された実験は、ゼロショットアルゴリズムの顕著なパフォーマンス上の利点を示している。
  論文  参考訳（メタデータ） (2023-09-01T13:06:50Z)
• Visual Grounding with Transformers [43.40192909920495]
  我々のアプローチはトランスエンコーダデコーダ上に構築されており、事前訓練された検出器や単語埋め込みモデルとは独立している。 提案手法は5つのベンチマークにおいて,最先端のプロポーザルフリーアプローチよりもかなり優れている。
  論文  参考訳（メタデータ） (2021-05-10T11:46:12Z)

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。