隐私保护在连接和自主车辆中的视觉到文本转换技术-计算机科学-强化学习-自动驾驶-视觉语言模型.pdfVIP

隐私保护在连接和自主车辆中的视觉到文

本转换技术

12

AbdolazimRezaei,Fellow,IEEE,MehdiSookhak(SeniorMember,IEEE),

andAhmadPatooghy(SeniorMember,IEEE)3

1DepartmentofComputerScience,TexasAMUniversityCorpusChristi,CorpusChristi,TX78412USA

2DepartmentofComputerScience,TexasAMUniversityCorpusChristi,CorpusChristi,TX78412USA

3DepartmentofComputerScience,NorthCarolinaATStateUniversity,Greensboro,NC27411USA

Correspondingauthor:M.Sookhak(email:m.sookhak@).

ThisworkwassupportedinpartbytheScholarAchievementinGraduateEducation(SAGE)FellowshipAward.

ABSTRACT连接和自动驾驶车辆（CAVs）依赖于一系列设备，这些设备通常处理涉及隐私的数据。

本其中，路边单元通过使用配备AI的摄像头（AIE）在诸如违规检测等应用中发挥关键作用。然而，

译与捕获图像相关的隐私风险仍然是一个主要问题，因为此类数据可能会被用于身份盗窃、个人资料

中分析或未经授权的商业用途。虽然已采用传统的技术如面部模糊和混淆来减轻隐私风险，但个人隐

2私仍然面临风险，因为可以通过诸如服装等其他特征追踪到个体。本文介绍了一种利用基于反馈的

v强化学习（RL）和视觉-语言模型（VLMs）的新颖隐私保护框架，以保护由AIE摄像头捕获的敏

4

5感视觉信息。主要思想是将图像转换为语义等效的文本描述，确保场景相关信息得以保留同时保持

8视觉隐私。采用分层RL策略来迭代优化生成的文本，增强语义准确性和隐私保护。评估结果表明，

5

1在隐私保护和文本质量方面都有显著改进，与现有方法相比，唯一词计数增加了约77%，细节密度

.

6提高了大约50%。

0

5

2INDEXTERMS连接和自主车辆，基于反馈的学习，隐私，强化学习，视觉语言模型

:

v

i

x

r

aI.介绍兰州，自2021年以来，一个AIE摄像头项目已产生了

RIVACY在联网和自动驾驶汽车（CAVs）中近大约4.198亿美元的收入[1],[2]，然而，公民自由倡

P年来已成为主要关注点，特别是随着越来越多导者反对使用这些系统，因为它们有可能捕捉到驾驶

的电子设备被集成到这些车辆中。这些系统将车辆数员和乘客的私密图像。如图1所示，车内空间通常被

据传输给基于机器学习（ML）的图像处理管道，用于视为私人空间，可能会无意中被暴露出来，引发法律

诸如图像分类、目标检测、人脸检测与识别、图像增和伦理问题。类似的事件在美国加利福尼亚州和马里

强与修复以及增强现实等任务。在这些技术中，配备兰州也有报道，在那里尽管存在持续的法律挑战[3]，

人工智能（AIE）的摄像头越来越多地部署于交叉路口AIE摄像头仍然得到了部署。这些部署突显了CAVs

和交通灯处，并且现在已集成到CAV系统中以监控驾中视觉数据隐私的更广泛担忧，这不仅