面向 BEV 场景分割的隐私隐蔽合作感知
计算机视觉与模式识别
2026-02-17 v1 人工智能
摘要
合作感知系统旨在通过与相邻智能体通信共享感知信息，克服单车感知范围有限的局限。尽管提升了感知性能，但这些系统也面临显著的隐私泄露问题，因为敏感视觉内容可能无法从共享数据中被重建。本文提出了一种 novel 的隐私隐蔽合作 (PCC) 框架，用于鸟瞰视角 (BEV) 语义分割。基于常共享的 BEV 特征，我们设计了一个隐藏网络，以防止图像重建网络从共享特征中恢复输入图像。采用对抗学习机制进行网络训练，其中隐藏网络致力于隐藏 BEV 特征中的视觉线索，而重建网络则尝试揭示这些线索。为维持分割性能，感知网络与隐藏网络集成并进行端到端优化。实验结果表明，所提出的 PCC 框架在保持分割性能的基础上有效降低了重建图像的质量，为合作车辆提供了隐私保护。发布后将公开源码。
引用
@article{arxiv.2602.13555,
title = {Privacy-Concealing Cooperative Perception for BEV Scene Segmentation},
author = {Song Wang and Lingling Li and Marcus Santos and Guanghui Wang},
journal= {arXiv preprint arXiv:2602.13555},
year = {2026}
}