基于事件相机的隐私保护视觉定位

我们考虑客户端-服务器定位问题，其中边缘设备用户将视觉数据发送给服务提供商，以在预先构建的3D地图上进行自身定位。该定位范式是AR/VR或移动应用中基于位置服务的关键组成部分，因为在资源受限的边缘设备上存储大规模3D地图并进行快速定位并非易事。然而，传统的客户端-服务器定位系统在数据传输时的计算效率、鲁棒性和隐私保护方面存在诸多挑战。我们的工作旨在利用基于事件相机的定位流程共同解决这些挑战。通过使用事件相机，我们的系统能耗低且内存带宽占用小。在定位过程中，我们提出应用事件到图像转换并借助成熟的基于图像的定位方法，即使在低光照或快速运动场景中也能实现鲁棒性。为进一步加强隐私保护，我们在两个层面引入隐私保护技术。网络层保护旨在通过一种新颖的分割推理方法隐藏私有场景中的用户完整视野，而传感器层保护旨在通过轻量级滤波隐藏人脸等敏感用户细节。两种方法均涉及较小的客户端计算量和定位性能损失，同时如我们的用户研究所示显著缓解了不安全感。因此我们展望我们的方法可作为使用事件相机的实用基于位置服务的构建模块。包含代码的项目页面可通过此链接访问：https://82magnolia.github.io/event\_localization/。