仅保护隐私的表示是不够的——从相机位姿恢复场景内容
计算机视觉与模式识别
2023-05-09 v1
摘要
视觉定位是从给定图像估计其拍摄相机位姿的任务,是若干三维计算机视觉应用的核心。随着AR/VR/MR设备与基于云应用的迅速普及,隐私问题正成为定位过程中非常重要的方面。现有的隐私保护定位工作旨在防御可访问基于云服务的攻击者。在本文中,我们展示攻击者无需任何访问权限,仅通过查询定位服务即可了解到场景的细节。该攻击基于如下观察:现代视觉定位算法对外观与几何变化具有鲁棒性。虽然这通常是期望的性质,但也导致算法可定位与场景中已有物体足够相似的物体。攻击者因而可用足够大的物体图像集(例如从互联网获取)查询服务器,其中部分会被定位。攻击者从而可从服务返回的相机位姿(此类服务返回的最小信息)中得知物体摆放情况。本文中,我们开发了该攻击的概念验证版本并展示其实际可行性。该攻击对所用定位算法无任何要求,因此也适用于隐私保护表示。由此可见,当前仅关于隐私保护表示的工作是不充分的。
引用
@article{arxiv.2305.04603,
title = {Privacy-Preserving Representations are not Enough -- Recovering Scene Content from Camera Poses},
author = {Kunal Chelani and Torsten Sattler and Fredrik Kahl and Zuzana Kukelova},
journal= {arXiv preprint arXiv:2305.04603},
year = {2023}
}