通过双收敛线重访几何隐私保护图像查询：面向视觉定位的隐私保留

隐私保护图像查询 (PPIQ) 是一种新兴机制，用于云端视觉定位，允许从隐私化化特征而非私有图像或原始关键点进行姿态估计。然而，主要的 PPIQ 方法——几何导向和分割导向的隐私化——都面临最新隐私攻击的漏洞。特别是，几何隐私化的一个根本局限是：隐私化后的相邻线的空间分布仍然有效地围绕原始关键点位置，为恢复原始点提供可被利用的线索。我们重新审视了这一几何范式，引入双收敛线 (DCL)，这是一种具有强大抗攻击鲁棒性的关键点隐私化方法。DCL 在中心分区线上设置两个固定锚点，将每个关键点提升为从一个锚点发出的线，由该关键点的位置决定激活锚点。这种安排通过使优化问题病态化来无效化几何恢复攻击：相邻线要么误导性地收敛到一个锚点，导致平凡解，要么在分区边界附近趋于平行，导致不稳定的高方差解。两种结果都能阻止点恢复。DCL 也与现有的基于线的求解器兼容，可部署于传统定位管道中。在室内和大规模户外数据集上进行实验表明，DCL 在抗隐私攻击方面具有鲁棒性，同时具备效率和可扩展性，能够实现实用的定位性能。