隐私保护的图像定位
计算机视觉与模式识别
2019-03-14 v1
摘要
图像定位是许多增强/混合现实（AR/MR）与自主机器人系统的核心组件。当前的定位系统依赖场景 3D 点云的持久存储以实现相机位姿估计，但此类数据揭示了潜在敏感的场景信息。这带来了显著的隐私风险，尤其对许多应用而言，3D 建图是用户可能未完全察觉的后台过程。我们提出如下问题：如何避免泄露所捕获 3D 场景的机密信息，同时实现可靠的相机位姿估计？本文提出了针对我们所称隐私保护图像定位的首个解决方案。我们方法的核心思想是将地图表示由 3D 点云提升为 3D 线云。这一新颖表示在混淆底层场景几何的同时，提供了充足的几何约束以实现鲁棒且精确的 6 自由度相机位姿估计。在多个数据集与定位场景上的大量实验凸显了我们提出方法的高度实际相关性。
引用
@article{arxiv.1903.05572,
title = {Privacy Preserving Image-Based Localization},
author = {Pablo Speciale and Johannes L. Schönberger and Sing Bing Kang and Sudipta N. Sinha and Marc Pollefeys},
journal= {arXiv preprint arXiv:1903.05572},
year = {2019}
}