线云在多大程度上保护隐私？从三维线中恢复场景细节
计算机视觉与模式识别
2021-03-10 v1
摘要
视觉定位是估计给定图像相对于已知场景的相机位姿的问题。视觉定位算法是包括混合与虚拟现实系统在内的先进计算机视觉应用的基本构建模块。实践中使用的许多算法通过运动恢复结构（SfM）点云表示场景，并利用查询图像与三维点之间的 2D-3D 匹配进行相机位姿估计。如近期所示，通过对稀疏点云的渲染图进行图像翻译，可从 SfM 点云精确恢复图像细节。为解决由此产生的用户生成内容的潜在隐私风险，近期有人提出将点云提升为线云，以随机朝向且穿过这些点的三维线替换三维点。所得表示对人类而言难以理解，并有效阻止了点云到图像的翻译。本文表明，这些线云中保留了关于三维场景几何的显著信息，使我们能够（近似）恢复三维点位置，从而（近似）恢复图像内容。我们的方法基于如下观察：线间最近点可良好近似原始三维点。代码见 https://github.com/kunalchelani/Line2Point。
引用
@article{arxiv.2103.05086,
title = {How Privacy-Preserving are Line Clouds? Recovering Scene Details from 3D Lines},
author = {Kunal Chelani and Fredrik Kahl and Torsten Sattler},
journal= {arXiv preprint arXiv:2103.05086},
year = {2021}
}
备注
Computer Vision and Pattern Recognition (CVPR) 2021