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，并被广泛应用于移动电话、安全监控、自动驾驶车辆和人脸识别。通过这些摄像机，产生了大量的图像数据，这引起了人们对隐私保护的日益关注。
一些现有方法通过应用算法从采集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，这种方法仍然有暴露敏感数据的风险，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。还做出了其他努力，通过使用定制相机降低图像质量，以便隐藏可识别信息，来寻求解决该问题的方法。然而，这些方法牺牲了所有感兴趣对象的整体图像质量，这是不希望的，并且它们仍然容易受到检索记录的敏感信息的敌对攻击。
发表在eLight上的一篇新研究论文展示了一种新的模式，通过构建一种由人工智能设计的新型成像仪来实现隐私保护成像。在他们的论文中，由艾多根·奥兹坎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，该设计只对特定类型的目标进行成像，同时在不需要任何数字处理的情况下从图像中即时删除其他类型的目标。
这种新的相机设计由连续的透射表面组成，每个透射表面由光波长尺度上的数万个衍射特征组成。使用深度学习来调制透射光场的相位，使得相机仅对某些类型/类别的期望对象成像并擦除其他对象。在其基于深度学习的设计（培训）之后，生成的层以3D形式制造和组装，形成智能相机。组装后，当来自目标对象类的输入对象出现在其前面时，它们在相机的输出端形成高质量图像鈥攁这是需要的。相反，当同一摄像机前的输入对象属于其他不需要的类别时，它们会被光学擦除，形成类似于随机噪声的非信息性低强度图案。
由于不需要的物体类别的特征信息通过光衍射在相机输出端被全部光学擦除，因此这种人工智能设计的相机从不记录它们的直接图像。因此，最大限度地保护隐私，因为能够访问此摄像机记录图像的对抗性攻击无法恢复信息。此功能还可以减少摄像机的数据存储和传输负载，因为不需要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设计了这种相机，专门并选择性地对一类手写数字成像，并使用3D打印制作了设计的相机。该3D打印相机使用太赫兹波照射手写数字进行测试。根据其设计的核心原则，智能相机仅当输入对象是手写数字“2”时，才能够选择性地对其进行成像，同时瞬间从输出图像中删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，通过选择性地对一种时尚产品（例如裤子）成像，同时瞬间从相机输出中删除其他时尚产品。研究团队在不同的照明条件下严格测试了他们的相机设计，这些条件从未包含在其培训中，并表明这种智能相机对照明变化具有鲁棒性。
除了特定于数据类的成像，这种基于人工智能的摄像机设计还用于构建加密摄像机，提供了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，仅对感兴趣的目标对象进行光学上的选定线性变换。只有那些能够访问解密密钥的人（即在这种情况下的线性逆变换）才能恢复目标对象的原始图像。另一方面，由于人工智能设计的相机在输出端都以光学方式擦除其他不需要的对象，因此其他不需要对象的信息会不可逆转地丢失。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需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，这款智能相机不需要任何外部电源进行计算，并以光速运行。因此，它具有快速、数据高效和节能的特点，特别适用于特定任务、隐私意识和功率受限的成像应用。这种衍射相机设计的核心理念可以启发未来的成像系统，使其消耗更少的计算和数据传输能力。
这项研究由加利福尼亚纳米系统研究所（CNSI）副所长、加州大学洛杉矶分校电气和计算机工程（ECE）系沃格瑙工程创新主席艾多根·奥兹坎教授、诺斯罗普·格鲁曼基金会主席兼加州大学洛杉矶校区ECE太赫兹电子实验室主任莫娜·贾拉希教授领导。这项工作的其他作者包括加州大学洛杉矶分校欧洲经委会系的研究生白毕节、罗毅、甘天一、李余杭、赵一凡、丹尼斯·门古和博士后研究员胡景田博士。