EgoPrivacy：你的第一人称相机暴露了你什么？
计算机视觉与模式识别
2025-06-17 v1 计算机与社会
摘要
虽然可穿戴相机的快速普及引发了关于自我中心视频隐私的重大担忧，但先前研究大多忽视了相机佩戴者面临的独特隐私威胁。本研究探讨了核心问题：从佩戴者的第一人称视角视频中可以推断出多少隐私信息？我们提出了EgoPrivacy，第一个用于全面评估自我中心视觉中隐私风险的大规模基准。EgoPrivacy涵盖三种隐私类型（人口统计、个人和情境），定义了七项任务，旨在恢复从细粒度（如佩戴者身份）到粗粒度（如年龄组）的私密信息。为进一步强调自我中心视觉固有的隐私威胁，我们提出了检索增强攻击（Retrieval-Augmented Attack），一种利用自我中心到外部中心检索从外部外部中心视频池中获取信息以提升人口统计隐私攻击效果的新攻击策略。在所有威胁模型下对不同攻击进行了广泛比较，结果表明佩戴者的私密信息极易泄露。例如，我们的研究发现基础模型即使在零样本设置下也能通过恢复身份、场景、性别和种族等属性有效侵害佩戴者隐私，准确率达到70-80%。我们的代码和数据可在 https://github.com/williamium3000/ego-privacy 获取。
引用
@article{arxiv.2506.12258,
title = {EgoPrivacy: What Your First-Person Camera Says About You?},
author = {Yijiang Li and Genpei Zhang and Jiacheng Cheng and Yi Li and Xiaojun Shan and Dashan Gao and Jiancheng Lyu and Yuan Li and Ning Bi and Nuno Vasconcelos},
journal= {arXiv preprint arXiv:2506.12258},
year = {2025}
}
备注
ICML 2025