3D Gaussian Splatting（3DGS）は、高忠実度の新規視点合成と3次元シーン再構成のための主要な表現手法として急速に普及している。位置・形状・外観の属性を持つ多数のガウスプリミティブでシーンを記述するため、高い描画品質と速度を両立し、再構成やコンテンツ制作、インタラクティブな3次元アプリケーションで広く使われている。しかし学習されたスプラット表現はシーンの視覚的詳細を忠実に保持するため、人の顔、ナンバープレート、書類、コンピュータ画面といった機密情報が含まれやすい。学習済みスプラットが共有・配備されるとプライバシー漏えいの恐れがあるが、この問題はこれまで十分に検討されてこなかった。
Gaurav Behera氏、Abhinav Raundhal氏ら6名による論文「PrinGS: Privacy Preservation in Gaussian Splatting」は、レンダリングされた2次元画像をぼかすのではなく、学習済みスプラット自体を直接処理する表現レベルの匿名化フレームワークを提案する。学習済みスプラットと、機密コンテンツを指定するユーザー提供の参照ビューが与えられると、本手法は参照ビュー内の該当領域を特定し、その領域に対応する箇所を基盤となる3次元表現内で見つけ出して直接匿名化する。これにより、その後にレンダリングされるあらゆる新規視点から機密情報が排除され、同時にシーン全体の幾何形状と視覚的忠実度が維持される。著者によれば、この学習後匿名化は1秒未満で完了する。
さらに論文では、最適化中に機密コンテンツが表現へ埋め込まれるのを防ぐ「プライバシーバイデザイン」の学習戦略も拡張として示している。これにより、学習後に修復するのではなく、学習画像から直接プライバシー保護型のスプラットを生成できる。実運用の取得・モデリング工程にプライバシー処理を前倒しで組み込む道筋となる。
評価では、顔類似度指標（Face Similarity Measure、FSM）を9.79%という低水準に抑えつつ、顔検出率（Face Detection Rate、FDR）39.47%を維持した。機密テキストについてはOCR文字誤り率が1.00に達し、完全に判読不能となる。著者は本成果を、プライバシーを考慮した3次元表現への第一歩と位置づけ、この方向の研究を促している。論文はarXivに公開され、番号は2610.36168、分野はコンピュータビジョンとパターン認識（cs.CV）、投稿日は2026年10月26日である。