看不见：面向增强现实的语义上下文感知隐私风险检测
计算机视觉与模式识别
2026-04-28 v1 人工智能
系统与控制
系统与控制
摘要
增强现实（AR）系统因持续捕获视觉数据而面临独特的隐私风险。现有的 AR 隐私框架缺乏对视觉内容的语义理解，限制了其在检测情境依赖性隐私风险方面的效果。我们提出了 PrivAR，利用视觉语言模型（VLMs）通过链式思考提示进行情境化隐私风险检测。PrivAR 使用视觉场景线索推断潜在的敏感信息类型，例如通过情境推理识别办公环境中密码笔记。PrivAR 检测并混淆文本内容，防止敏感信息暴露，同时保留维持 VLM 推理所需的情境线索。此外，我们研究了受情境影响的警告界面，以提高用户隐私意识。在真实世界的 AR 数据集上进行的实验表明，PrivAR 在准确率（81.48%）和 F1 分数（84.62%）方面优于基线方法，同时将隐私泄露率降低至 17.58%。评估受情境化警告界面用户研究提供了关于有效隐私感知 AR 设计的见解。
引用
@article{arxiv.2604.22805,
title = {See No Evil: Semantic Context-Aware Privacy Risk Detection for AR},
author = {Jialu Liu and Yao Li and Zhuoheng Li and Huining Li and Ying Chen},
journal= {arXiv preprint arXiv:2604.22805},
year = {2026}
}
备注
Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), 2026