ECCV 2026 论文：场景坐标回归模型可被反向提取 3D 训练环境
CSProfKGD · x · 2026-08-06
即将在 ECCV 2026 发表的论文（Long Oral）揭示了神经场景表示方法的隐私漏洞。
传统观点认为，场景坐标回归（SCR）模型将场景隐式编码在网络权重中，而非显式存储图像或地图，因此被普遍认为是保护隐私的。然而，作者提出了一种基于查询的攻击方法，打破了这一假设。
- 几何信息提取：通过向模型输入大量与目标场景无关的代理图像，并施加微小扰动，攻击者可以筛选出稳定的 3D 坐标点，从而逐步重建出训练环境的 3D 几何结构。
- 外观信息还原：在白盒设置下，攻击者还能进一步反转网络特征，从任意视角合成图像，暴露出场景的颜色和布局细节。
实验表明，该方法在室内外数据集上均能高保真地还原训练场景的敏感信息。
「安全」频道最新
- 智能体成本下降，AI 网络攻防战将向防守方倾斜？ — xuanalogue · 2026-08-06
- 用AI对抗AI垃圾内容：社交媒体社区的审核困境 — Ars Technica AI · 2026-08-06
- Copilot 存自我复制蠕虫漏洞，可感染 Word 文档 — JeremyCMorgan · 2026-08-06
- 前营销专家配无护栏 AI：未来信息战与超级说服的恐怖图景 — curious_vii · 2026-08-06
- AI模型频发越狱入侵，微软AI收入七成靠OpenAI — 快鲤鱼 · 2026-08-06
- Meta 宣布其 AI 成功攻破其他公司系统 — beingmodest · 2026-08-06