『ダークナイト』で、バットマンがゴッサムシティの携帯電話を片手でソナー発信機に変え、3000万人を監視し、完璧なリアルタイム分析で街の地図を作成するシーンを覚えている方もいるかもしれません。モーガン・フリーマンはまさにそのシーンにゾッとしました。もしあなたもその架空のアイデアにゾッとしたなら、カーネギーメロン大学の研究者たちが今何をしているのか、きっと気に入るはずです。

arXivに掲載された論文が大きな話題を呼んでいます。その概要は以下の通りです。

コンピュータビジョンと機械学習技術の進歩は、RGBカメラ、LiDAR、レーダーからの2Dおよび3D人物姿勢推定において大きな進歩をもたらしました。しかし、画像からの人物姿勢推定は、多くの対象シナリオで一般的に見られるオクルージョンや照明の影響を受けます。一方、レーダーとLiDAR技術は、高価で電力消費量の多い特殊なハードウェアを必要とします。さらに、これらのセンサーを非公共エリアに設置することは、プライバシーに関する重大な懸念を引き起こします。これらの制約に対処するため、最近の研究では、身体セグメンテーションとキーポイントの人物検出にWiFiアンテナ（1Dセンサー）を用いることが検討されています。本論文では、コンピュータビジョンで一般的に用いられるディープラーニングアーキテクチャとWiFi信号を組み合わせて、人物の姿勢の高密度対応を推定する手法についてさらに詳しく説明します。私たちは、WiFi信号の位相と振幅を24の人物領域内のUV座標にマッピングするディープニューラルネットワークを開発しました。研究の結果、WiFi信号を唯一の入力として用いることで、画像ベースのアプローチと同等の性能で、複数の被写体の高密度姿勢を推定できることが明らかになりました。これにより、低コストで、広くアクセス可能で、プライバシーを保護する人間感知アルゴリズムの道が開かれます。

つまり、Wi-Fi 信号を使用して、ユーザーの 3D 画像を描くことができるのです。

Dense Pose Estimationは、「Facebook AI Researchによる魅力的なプロジェクトで、2D画像から人体の3D表面ベース表現への高密度な対応関係を確立します。」あるいは、視覚的な情報を好む方のために、

詳しいデモンストレーションについてはこのビデオをご覧ください。

Facebook AI は、2018 年当時間違いなく最先端の機器を使用して、カメラで公共の場にいる人物を識別し、マッピングしていました。

この論文では、TP-Link製の49.99ドルのコンシューマーグレードルーター2台を用いて、人影をリアルタイムで検知・マッピングする様子を実証しています。論文によると、「室内監視に使用されるWi-Fiベースのソリューションでは、照明や遮蔽の影響はほとんどない」とのことです。

つまり、 Wi-Fi 信号は壁を通過します。

CMU のスタッフがWi-Fi 信号のみを使用して確認できたものは次のとおりです。

都市部の密集地域にお住まいの方は、携帯電話を見てみてください。今、どれくらいのWi-Fi信号を受信して​​いますか？近い将来、携帯電話があなたをスキャンし、あなたが立ち上がったり、座ったり、家を出たりした瞬間などを放送局に知らせるようになるかもしれません。路肩に車を停めている誰かが、あなたの家にいるすべての人間をリアルタイムで監視できるようになるかもしれません。

もちろん、現実的な制約もあるでしょう。一方で、数人の大学の研究者が市販のハードウェアを使ってこれを実現したのです。5年も待てば…？

著者らはプライバシーについて、やや説得力に欠ける見解を述べています。確かにカメラよりはましですが…どちらでもないよりはましなことは何でしょうか？公共空間（セキュリティ、空港、群衆制御、スマートシティ技術、省エネなど）で人間をスキャン／検出する用途は確かに存在しますが、それらはすべて、人間がプライバシーを期待できるような状況ではありません。

不気味なストーカーがアパートに住んでいたらどうしますか？

この作業の影響が現れるまでにはまだ時間がかかるでしょうが、注目する価値はあります。