机器人视觉感知的实时隐私保护
计算机视觉与模式识别
2025-05-12 v1
摘要
许多机器人（例如iRobot的Roomba）基于来自实时视频流的视觉观测运行，而这些观测可能无意中包含了隐私敏感对象，如个人身份信息。现有隐私保护方法依赖深度学习模型、差分隐私或密码学。它们缺乏对所有敏感对象的完全隐藏保证。保证隐藏需要后处理技术，因此不适用于实时视频流。我们开发了一种隐私约束视频流方法PCVS，用于在实时视频流中隐藏敏感对象。PCVS采用逻辑规范约束隐私敏感对象的存在，例如当有人存在时从不显示人脸。它使用检测模型评估每个传入帧中这些对象的存在。然后，它模糊掉一部分对象，使剩余对象的存在满足规范。随后，我们提出一种共形预测方法，用于（i）建立满足规范的一系列帧中这些对象存在的概率的理论下界，以及（ii）随着每个后续帧的到来更新该下界。定量评估表明，PCVS在多个数据集上实现了超过95%的规范满足率，显著优于其他方法。满足率在所有数据集上始终高于理论下界，表明所建立的下界成立。此外，我们将PCVS部署到机器人实时运行中，并显示机器人在PCVS隐藏对象时正常运行而未受影响。
引用
@article{arxiv.2505.05519,
title = {Real-Time Privacy Preservation for Robot Visual Perception},
author = {Minkyu Choi and Yunhao Yang and Neel P. Bhatt and Kushagra Gupta and Sahil Shah and Aditya Rai and David Fridovich-Keil and Ufuk Topcu and Sandeep P. Chinchali},
journal= {arXiv preprint arXiv:2505.05519},
year = {2025}
}