{
  "paper_id": "7a301df1c818b319b39e09c3735dfc15",
  "paper_title": "LiDArgus: Accommodating Diverse Privacy Preferences in LiDAR Sensing Through Configurable Sub-Zoning",
  "paper_authors": [
    "BoRui Li",
    "Jinda Yang",
    "Apurva Jain",
    "William Newberry",
    "Xing-Dong Yang"
  ],
  "publication_date": "2025",
  "publication_venue": "The 38th Annual ACM Symposium on User Interface Software and Technology (UIST '25), September 28–October 01, 2025, Busan, Republic of Korea",
  "abstract": "LiDAR sensors are increasingly being adopted in smart home environments to enable user activity recognition for a wide range of applications, including resident safety monitoring, health tracking, and behavior modeling. While the advantages of LiDAR-based activity recognition are well recognized, supporting diverse privacy preferences remains an ongoing challenge. Different user groups often have competing needs: homeowners may favor high-resolution sensing for health monitoring, whereas guests may prefer lower-resolution sensing or even temporary deactivation of the system. To navigate these varied requirements, we introduce a spatially adaptive approach that divides the LiDAR sensing field into configurable sub-zones, each with adjustable sensing capabilities, sizes, and locations. This design empowers users to personalize sensing settings according to their individual privacy preferences. We demonstrate the feasibility of this approach through a proof-of-concept prototype and assess its effectiveness via two user studies. Our findings offer insights to inform the design of privacy-aware LiDAR sensing systems in smart environments.",
  "keywords": [
    "LIDAR",
    "Privacy",
    "Activity Sensing",
    "Human-centered computing → Interactive systems and tools"
  ],
  "paper_institutions": [
    "Simon Fraser University",
    "Lumotive Technologies Inc."
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:46:55.466402Z",
  "template_tag": "simple",
  "summary": "### 摘要\n该论文提出了一种名为LiDArgus的方法，旨在解决智能家居环境中LiDAR活动识别系统面临的多样化隐私偏好问题。现有系统通常对整个传感区域采用统一分辨率，难以同时满足房主对高分辨率健康监测和访客对低分辨率或临时停用感知的需求。作者通过将LiDAR传感区域划分为可配置的子感知区域（子区域），每个区域可以独立调整大小、位置、分辨率，甚至完全关闭，从而模拟多个不同分辨率和盲区的LiDAR传感器的效果，但仅需单个LiDAR硬件。原型基于Lumotive的M30 LiDAR开发套件，该设备采用光控制超表面（LCM™）技术，支持硬件级别的无延迟子区域控制，并通过投影仪将区域边界、分辨率、原始数据和可识别活动列表等可视化信息投射到物理环境中，用户可通过语音命令创建和调整区域。作者收集了12名参与者的活动数据集，采用YOLO11-cls-m和YOLO11m模型进行活动分类和人体检测，在5种分辨率级别（从640×480到40×30）下评估了13种活动，发现行走和跌倒等粗粒度活动即使在最低分辨率下仍可检测，而细粒度活动则在低分辨率下失效。通过两项用户研究，第一项评估了视觉反馈的直观性，第二项比较了LiDArgus与无子区域基线在隐私偏好支持上的差异，统计结果显示LiDArgus在用户对传感器运行状态意识、系统透明度、隐私保护选项和隐私偏好表达方面均显著优于基线。研究表明，子区域划分方法能够有效平衡不同角色的隐私需求，增强用户控制感和透明度，同时指出了未来在多维分区、3D可视化及用户隐私误解等方面的改进方向。核心机制是：通过LCM技术控制LiDAR光束的扫描角度和采样间隔，实现任意跳过硬件的子区域，从而实时调整各区域的分辨率并支持动态跟随用户的隐私掩码。\n### 关键要点\n- LiDArgus将LiDAR传感区域划分为多个可配置子区域，每个子区域可独立调整分辨率（5档：640×480至40×30）、大小、位置及开关状态，以适应不同用户的隐私偏好。\n- 子区域功能基于Lumotive M30 LiDAR开发套件的LCM（光控制超表面）技术实现，通过硬件级光束转向实现实时无延迟的子分区，无需先采集全部数据再丢弃。\n- 系统通过投影仪在物理空间中可视化区域边界、分辨率、原始点云数据和可检测活动列表，并使用语音命令（如“create zone”、“follow me”）让用户动态创建和调整区域。\n- 为训练活动识别模型，作者收集了12名身高163-185cm的参与者在5种分辨率下的13种活动数据（包含低隐私和敏感活动），数据采集方法参考NTU120数据集。\n- 采用YOLO11-cls-m进行活动分类（F1分>90%视为可检测）和YOLO11m进行人体检测，模型分别基于COCO和ImageNet预训练，并采用早停和数据增强防止过拟合。\n- 结果表明，行走和跌倒即使在40×30的最低分辨率下仍可检测（F1分别为0.93和0.91），而多数隐私敏感活动（如挠背、挖鼻）在最低分辨率下不可检测，该信息用于系统向用户展示各分辨率的识别能力。\n- 第一项用户研究（12人）评估视觉反馈的直观性，发现原始数据可视化帮助理解分辨率差异，但信息过载和颜色映射可能造成困惑，据此改进为缩略图、区域颜色编码和文字标签。\n- 第二项用户研究（同一批12人，间隔一周）比较LiDArgus与无子区域基线，在房主和访客两种角色下，LiDArgus在传感器状态意识、透明度、隐私保护选项和偏好表达上均显著提升（Friedman检验p<0.01）。\n- 动态跟随区域（“follow me”）受到访客好评，用户可创建自己的低分辨率区域作为移动隐私掩码，而区域重叠时自动采用较低分辨率以优先保护隐私。\n- 访客参与者通过调整分辨率进行实验，部分选择高于默认最低分辨率的设置，表明系统能促进知情决策，但仍有误解低分辨率即“完全隐私”的风险。\n- 当前实现仅支持沿x轴的一维分区，限制了对特定身体部位（如手和脸）的独立分辨率控制，未来需探索多维分区和AR眼镜等3D可视化工具。\n- 共享视觉反馈（投影）可能将用户活动公开显示，存在潜在隐私泄露，未来计划利用智能手机等现有设备检测光束扫描区域，减少对外部投影设备的需求。"
}