論文の概要: 3D Invisible Cloak
- arxiv url: http://arxiv.org/abs/2011.13705v1
- Date: Fri, 27 Nov 2020 12:43:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 02:22:58.040049
- Title: 3D Invisible Cloak
- Title（参考訳）: 3D Invisible Cloak
- Authors: Mingfu Xue, Can He, Zhiyu Wu, Jian Wang, Zhe Liu, Weiqiang Liu
- Abstract要約: 実世界の人検知器に対する新たな物理的ステルス攻撃を提案する。
提案手法は, 対向パッチを生成し, 実際の衣服に印刷し, 3次元で見えないマントを作る。
- 参考スコア（独自算出の注目度）: 12.48087784777591
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a novel physical stealth attack against the person
detectors in real world. The proposed method generates an adversarial patch,
and prints it on real clothes to make a three dimensional (3D) invisible cloak.
Anyone wearing the cloak can evade the detection of person detectors and
achieve stealth. We consider the impacts of those 3D physical constraints
(i.e., radian, wrinkle, occlusion, angle, etc.) on person stealth attacks, and
propose 3D transformations to generate 3D invisible cloak. We launch the person
stealth attacks in 3D physical space instead of 2D plane by printing the
adversarial patches on real clothes under challenging and complex 3D physical
scenarios. The conventional and 3D transformations are performed on the patch
during its optimization process. Further, we study how to generate the optimal
3D invisible cloak. Specifically, we explore how to choose input images with
specific shapes and colors to generate the optimal 3D invisible cloak. Besides,
after successfully making the object detector misjudge the person as other
objects, we explore how to make a person completely disappeared, i.e., the
person will not be detected as any objects. Finally, we present a systematic
evaluation framework to methodically evaluate the performance of the proposed
attack in digital domain and physical world. Experimental results in various
indoor and outdoor physical scenarios show that, the proposed person stealth
attack method is robust and effective even under those complex and challenging
physical conditions, such as the cloak is wrinkled, obscured, curved, and from
different angles. The attack success rate in digital domain (Inria data set) is
86.56%, while the static and dynamic stealth attack performance in physical
world is 100% and 77%, respectively, which are significantly better than
existing works.
- Abstract（参考訳）: 本稿では,実世界の人検知器に対する新たな物理的ステルス攻撃を提案する。
提案手法では, 敵のパッチを生成し, 実際の衣服に印刷することにより, 3次元の目立たないマントを作製する。
クロークを身に着けている人は、人検知器の検知を回避し、ステルスを達成できる。
3次元の物理的制約(ラジアン、シワ、オクルージョン、アングルなど)が人的ステルス攻撃に与える影響を考察し、3次元の見えないクロークを生成するための3次元変換を提案する。
我々は、現実の服に敵のパッチを印刷することで、難易度と複雑な3D物理シナリオの下で3D空間でステルス攻撃を行う。
従来の3次元変換は、最適化プロセス中にパッチ上で実行される。
さらに, 最適3次元目視クロークの生成方法について検討した。
具体的には、特定の形状や色の入力画像を選択して最適な3d目に見えないクロークを生成する方法を検討する。
また、物体検出器を他の物体と誤認させることに成功し、完全に姿を消す方法、すなわち物体として検出されない方法も検討する。
最後に,デジタルドメインと物理世界での提案する攻撃の性能を体系的に評価するための体系的評価フレームワークを提案する。
様々な屋内・屋外の物理的シナリオにおける実験結果から,提案手法は複雑で困難な物理的条件下であっても頑健で有効であることが明らかとなった。
デジタルドメイン(inriaデータセット)のアタック成功率は86.56%であり、物理的世界における静的および動的ステルスアタックパフォーマンスは、それぞれ100%と77%であり、既存の作業よりもはるかに優れている。
関連論文リスト
- Cloth2Body: Generating 3D Human Body Mesh from 2D Clothing [54.29207348918216]
Cloth2Bodyは、入力の部分的な観察と出力の多様性によって引き起こされる新しい課題に対処する必要がある。
本稿では,2次元衣料品画像のポーズと形状によってパラメータ化された3Dボディメッシュを高精度に推定できるエンドツーエンドフレームワークを提案する。
実験結果から示されるように,提案手法は最先端の性能を実現し,自然および多様な3Dボディメッシュを2次元画像から効果的に回収することができる。
論文 参考訳（メタデータ） (2023-09-28T06:18:38Z) - RFLA: A Stealthy Reflected Light Adversarial Attack in the Physical
World [6.347998407798736]
我々は、ディープニューラルネットワーク(DNN)に対する新しい反射光攻撃(RFLA)を提案する。
RFLAは、鏡の前面に透明なプラスチックシートと特定の形状の紙切片を配置して、対象物に異なる色のジオメトリーを作成する。
実験結果から,提案手法はデジタル世界の異なるデータセットやモデルにおいて,99%以上の成功率を達成することが示唆された。
論文 参考訳（メタデータ） (2023-07-14T23:10:56Z) - Physically Realizable Natural-Looking Clothing Textures Evade Person Detectors via 3D Modeling [19.575338491567813]
我々は3次元モデリングに基づく衣服の敵対的テクスチャを製作する。
本稿では,日常服の典型的なテクスチャに類似した,対向的なカモフラージュテクスチャ(AdvCaT)を提案する。
素材に3Dテクスチャを印刷し、Tシャツやズボンに仕立てました。
論文 参考訳（メタデータ） (2023-07-04T15:31:03Z) - Adversarial Texture for Fooling Person Detectors in the Physical World [38.39939625606267]
AdvTexture(AdvTexture)は、任意の形状の衣服をカバーできるので、そのような服を着ている人は、異なる角度から人検知器から隠れることができる。
本稿では,反復構造を持つAdvTextureを構築するために,Toroidal-Cropping-based Expandable Generative Attack (TC-EGA) という生成手法を提案する。
実験の結果、この服は物理的な世界で人検知器を騙すことができることがわかった。
論文 参考訳（メタデータ） (2022-03-07T13:22:25Z) - FCA: Learning a 3D Full-coverage Vehicle Camouflage for Multi-view
Physical Adversarial Attack [5.476797414272598]
そこで本研究では,FCA(Full-coverage Camouflage Attack)を提案する。
具体的には、まず、平面でないカモフラージュテクスチャを全車表面上でレンダリングする。
次に、レンダリングされたカモフラージュされた車両をフォトリアリスティックなシナリオに変換する変換関数を導入する。
論文 参考訳（メタデータ） (2021-09-15T10:17:12Z) - The Power of Points for Modeling Humans in Clothing [60.00557674969284]
現在、アーティストはリアルな衣服で自然に動く3Dアバターを作る必要がある。
3次元表現は様々なトポロジを高分解能で捉えることができ、データから学習できることを示す。
我々は、異なる衣服の形状を表現するために、新しい局所的な衣服幾何学的特徴を持つニューラルネットワークを訓練する。
論文 参考訳（メタデータ） (2021-09-02T17:58:45Z) - M3D-VTON: A Monocular-to-3D Virtual Try-On Network [62.77413639627565]
既存の3D仮想試行法は主に注釈付き3D人体形状と衣服テンプレートに依存している。
本稿では,2次元と3次元の両方のアプローチの利点を生かした,モノクロから3次元仮想トライオンネットワーク(M3D-VTON)を提案する。
論文 参考訳（メタデータ） (2021-08-11T10:05:17Z) - Learning Transferable 3D Adversarial Cloaks for Deep Trained Detectors [72.7633556669675]
本稿では,人間の3dメッシュ上の攻撃パッチを訓練するパッチベースの攻撃パイプラインを提案する。
既存のadversarial patchとは異なり、我々の新しい3dadversarial patchは、さまざまなビューの下で堅牢に最先端の深層物体検出器を騙すことができる。
論文 参考訳（メタデータ） (2021-04-22T14:36:08Z) - Neural 3D Clothes Retargeting from a Single Image [91.5030622330039]
本稿では,1枚のRGB画像で人物にフィットする3次元衣料テンプレートモデルの潜在的なポーズと変形を生成する方法を提案する。
この問題は、地上の真実データを取得することは不可能である、すなわち、異なる3D衣料品テンプレートモデルを全く同じポーズで身に着けている人々の画像として、基本的には不適切である。
そこで本研究では,3次元変形の物理的妥当性を検証するための半教師付き学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-29T20:50:34Z) - Perceiving 3D Human-Object Spatial Arrangements from a Single Image in
the Wild [96.08358373137438]
本研究では,世界規模で一貫した3Dシーンにおいて,人間や物体の空間的配置や形状を推定する手法を提案する。
本手法は,シーンレベルやオブジェクトレベルの3D監視を必要とせず,データセット上で動作させる。
論文 参考訳（メタデータ） (2020-07-30T17:59:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。