論文の概要: Object Removal Attacks on LiDAR-based 3D Object Detectors

• arxiv url: http://arxiv.org/abs/2102.03722v1
• Date: Sun, 7 Feb 2021 05:34:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-09 15:48:32.961654
• Title: Object Removal Attacks on LiDAR-based 3D Object Detectors
• Title（参考訳）: LiDARを用いた3次元物体検出器上の物体除去攻撃
• Authors: Zhongyuan Hau, Kenneth T. Co, Soteris Demetriou, Emil C. Lupu
• Abstract要約: オブジェクト除去攻撃(ORAs)は、3Dオブジェクト検出器を失敗させることを目的としている。 関心領域の摂動点雲に対して、1方向に1つの戻り信号を記録するLiDARのデフォルト設定を利用する。 その結果,この攻撃は一般的な3次元物体検出モデルの性能低下に有効であることがわかった。
• 参考スコア（独自算出の注目度）: 6.263478017242508
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LiDARs play a critical role in Autonomous Vehicles' (AVs) perception and their safe operations. Recent works have demonstrated that it is possible to spoof LiDAR return signals to elicit fake objects. In this work we demonstrate how the same physical capabilities can be used to mount a new, even more dangerous class of attacks, namely Object Removal Attacks (ORAs). ORAs aim to force 3D object detectors to fail. We leverage the default setting of LiDARs that record a single return signal per direction to perturb point clouds in the region of interest (RoI) of 3D objects. By injecting illegitimate points behind the target object, we effectively shift points away from the target objects' RoIs. Our initial results using a simple random point selection strategy show that the attack is effective in degrading the performance of commonly used 3D object detection models.
• Abstract（参考訳）: LiDARは、自律走行車(AV)の認識と安全運用において重要な役割を担っている。 近年の研究では、LiDARリターンシグナルをスプープして偽のオブジェクトを抽出できることが示されている。 この作業では、同じ物理的機能を使って、新たな、さらに危険なタイプの攻撃、すなわちオブジェクト除去攻撃(ORAs)をマウントする方法を実証します。 orasは3dオブジェクト検出器の故障を強制する。 我々は、3Dオブジェクトの関心領域(RoI)の点群に方向ごとの単一の戻り信号を記録するLiDARのデフォルトの設定を利用します。 ターゲットオブジェクトの後方に不正なポイントを注入することで、ターゲットオブジェクトのroisからポイントを効果的に移動させる。 簡単なランダム点選択戦略を用いた初期結果から、この攻撃は一般的な3次元物体検出モデルの性能を劣化させるのに有効であることが示された。

関連論文リスト

• Transient Adversarial 3D Projection Attacks on Object Detection in Autonomous Driving [15.516055760190884]
  本稿では,自律運転シナリオにおける物体検出を対象とする3Dプロジェクション攻撃を提案する。 本研究は, YOLOv3 と Mask R-CNN の物理環境における攻撃効果を示すものである。
  論文  参考訳（メタデータ） (2024-09-25T22:27:11Z)
• Revisiting Out-of-Distribution Detection in LiDAR-based 3D Object Detection [12.633311483061647]
  アウト・オブ・ディストリビューション(OOD)オブジェクトは誤分類を引き起こし、自動車両の安全性と信頼性に重大なリスクをもたらす。 我々は、ポイントクラウドを変更することなく既存のデータセットを使用できる新しい評価プロトコルを提案する。 提案手法の有効性は,新たに提案したnuScenes OODベンチマークを用いて検証した。
  論文  参考訳（メタデータ） (2024-04-24T13:48:38Z)
• A Comprehensive Study of the Robustness for LiDAR-based 3D Object Detectors against Adversarial Attacks [84.10546708708554]
  3Dオブジェクト検出器は、セキュリティクリティカルなタスクにおいてますます重要になっている。 敵の攻撃に対する強固さを理解することが不可欠である。 本稿では,LiDARをベースとした3次元検出器の対角攻撃時のロバスト性評価と解析を行った。
  論文  参考訳（メタデータ） (2022-12-20T13:09:58Z)
• Object-fabrication Targeted Attack for Object Detection [54.10697546734503]
  物体検出の敵攻撃は 標的攻撃と未標的攻撃を含む。 新たなオブジェクトファブリケーションターゲット攻撃モードは、特定のターゲットラベルを持つ追加の偽オブジェクトをファブリケートする検出器を誤解させる可能性がある。
  論文  参考訳（メタデータ） (2022-12-13T08:42:39Z)
• Using 3D Shadows to Detect Object Hiding Attacks on Autonomous Vehicle Perception [6.371941066890801]
  我々は物体検出器から隠された障害物を見つけるために3D影を利用する。 提案手法は,対象物として敵に隠された対象物を検出するために利用できる。 障害物検出に3次元影を用いることで,物体と影を一致させることで高い精度が得られることを示す。
  論文  参考訳（メタデータ） (2022-04-29T09:49:29Z)
• Object Manipulation via Visual Target Localization [64.05939029132394]
  オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。 本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。 評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
  論文  参考訳（メタデータ） (2022-03-15T17:59:01Z)
• Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
  自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。 多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。 本稿では,SST(Single-stride Sparse Transformer)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T02:12:02Z)
• Temporal Consistency Checks to Detect LiDAR Spoofing Attacks on Autonomous Vehicle Perception [4.092959254671909]
  最近の研究は、深刻なLiDARスプーフィング攻撃と警告的な結果をもたらしている。 本研究では、このような攻撃を検出するために、本物の物体の物理的不変量としての運動の利用について検討する。 3D-TC2の試作機の設計と実装は、非常に有望な性能を示している。
  論文  参考訳（メタデータ） (2021-06-15T01:36:40Z)
• Detecting Invisible People [58.49425715635312]
  我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。 私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。 第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
  論文  参考訳（メタデータ） (2020-12-15T16:54:45Z)
• Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
  本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。 特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。 これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
  論文  参考訳（メタデータ） (2020-04-01T16:11:04Z)

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。