超越匿名化：面向 2D 与 3D 视觉任务的对象擦除
计算机视觉与模式识别
2025-04-24 v1
摘要
我们提出 ROAR（Robust Object Removal and Re-annotation），一个可扩展的隐私保护数据集遮蔽框架，通过消除敏感对象而非修改对象来实现隐私保护。该方法集成实例分割与生成式填充，以移除可识别实体同时保持场景完整性。对基于 2D COCO 的目标检测进行大规模评估表明，ROAR achieves 87.5% 的基准检测平均精度（AP），而图像丢弃仅达 74.2% 的基准 AP，凸显擦除在保留数据集实用性方面的优势。对于小目标而言， degradation 更为严重，由于遮挡和细节丢失。进一步在 NeRF 基于 3D 重建中，ROAR 最多仅损失 1.66 dB 的 PSNR，同时保持 SSIM 并提升 LPIPS，显示出卓越的感知质量。我们的发现确立了对象消除作为有效隐私框架的潜力，实现强隐私保障且性能权衡最小化。结果凸显了生成式填充、遮挡鲁棒分割和任务特定擦除等关键挑战，为未来在隐私保护视觉系统方面的发展奠定了基础。
引用
@article{arxiv.2504.16557,
title = {Beyond Anonymization: Object Scrubbing for Privacy-Preserving 2D and 3D Vision Tasks},
author = {Murat Bilgehan Ertan and Ronak Sahu and Phuong Ha Nguyen and Kaleel Mahmood and Marten van Dijk},
journal= {arXiv preprint arXiv:2504.16557},
year = {2025}
}
备注
Submitted to ICCV 2025