在过去的十年中，数码相机已广泛应用于我们社会的各个方面，并在手机、安全监控、自动驾驶汽车和面部识别等领域大量使用。通过这些摄像头，正在生成大量图像数据，这引起了人们对隐私保护的日益关注。

一些现有的方法通过应用算法从获取的图像中隐藏敏感信息来解决这些问题，例如图像模糊或加密。然而，这种方法仍然存在敏感数据暴露的风险，因为原始图像在经过数字处理以隐藏或加密敏感信息之前已经被捕获。此外，这些算法的计算需要额外的功耗。还通过使用定制相机降低图像质量以隐藏可识别信息来寻求解决此问题的其他努力。然而，这些方法牺牲了所有感兴趣对象的整体图像质量，这是不受欢迎的，并且它们仍然容易受到对抗性攻击以检索图像。记录的敏感信息。

在eLight上发表的一篇新研究论文展示了一种通过构建由AI设计的全新类型的成像器来实现隐私保护成像的新范式。在他们的论文中，由AydoganOzcan教授领导的加州大学洛杉矶分校研究人员提出了一种智能相机设计，该设计仅对某些类型的所需物体进行成像，同时从其图像中瞬间擦除其他类型的物体，而无需任何数字处理。

这种新的相机设计由连续的透射表面组成，每个表面都由数以万计的光波长范围内的衍射特征组成。这些透射表面的结构使用深度学习进行优化，以调制透射光场的相位，以便相机仅对某些类型/类别的所需对象进行成像，并擦除其他对象。在其基于深度学习的设计(训练)之后，生成的层以3D方式制造和组装，形成智能相机。在其组装之后，当来自目标类对象的输入对象出现在其前面时，它们会在相机的输出端形成高质量的图像——如所愿。相反，当同一个摄像机前面的输入对象属于其他不想要的类别时，它们会被光学擦除，

由于不想要的物体类别的特征信息通过光衍射在相机输出处被全光学擦除，因此这款人工智能设计的相机永远不会记录它们的直接图像。因此，可以最大限度地保护隐私，因为可以访问该相机记录图像的对抗性攻击无法将信息带回。此功能还可以减少相机的数据存储和传输负载，因为不记录不需要的对象的图像。

为了通过实验证明这种独特的数据专用相机，加州大学洛杉矶分校的研究团队将其设计为专门选择性地仅对一类手写数字进行成像，并使用3D打印制造了设计的相机。这款3D打印相机使用太赫兹波照亮手写数字进行了测试。遵循其设计的核心原则，智能相机能够选择性地对输入对象进行成像，只有当它们是手写数字“2”时，才会从输出图像中瞬间擦除所有其他手写数字，从而产生低强度的类似噪声的特征.

除了手写数字外，加州大学洛杉矶分校的研究人员还展示了同一类特定相机设计的另一种变体，方法是选择性地对一种时尚产品(例如裤子)进行成像，同时从相机的输出中瞬间擦除其他时尚产品。研究团队在从未包含在其训练中的不同照明条件下严格测试了他们的相机设计，并表明这款智能相机对照明变化具有鲁棒性。

除了特定数据类的成像之外，这种基于AI的摄像头设计还用于构建加密摄像头，提供额外的安全和隐私保护层。这种使用AI优化衍射层设计的加密相机在光学上执行选定的线性变换，专门针对感兴趣的目标对象。只有那些有权访问解密密钥(即本例中的逆线性变换)的人才能恢复目标对象的原始图像。另一方面，由于AI设计的相机在输出端全光擦除它们，其他不想要的物体的信息将不可逆转地丢失。因此，即使将解密密钥应用于记录的图像，它也会为其他类别的不想要的对象产生类似噪声的、无法识别的特征。

除了照明光之外，这款智能相机的计算不需要任何外部电源，并以光速运行。因此，它速度快、数据和能源效率高，使其特别适用于特定任务、隐私感知和功率受限的成像应用。这种衍射相机设计的核心教义可以启发未来的成像系统，这些系统消耗的计算和数据传输功率要少几个数量级。

这项研究由加州纳米系统研究所(CNSI)副主任、加州大学洛杉矶分校电气与计算机工程(ECE)系Volgenau工程创新主席AydoganOzcan教授以及诺斯罗普·格鲁曼基金会(NorthropGrummanEndowed)的MonaJarrahi教授领导。加州大学洛杉矶分校ECE太赫兹电子实验室主席兼主任。这项工作的其他作者包括研究生白比杰、罗一、甘天一、李宇航、赵一凡、DenizMengu和博士后研究员胡景天博士，他们都来自加州大学洛杉矶分校的ECE系。

标签：