論文の概要: Enhancing Real-World Adversarial Patches with 3D Modeling Techniques

• arxiv url: http://arxiv.org/abs/2102.05334v1
• Date: Wed, 10 Feb 2021 09:16:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-11 14:52:08.259242
• Title: Enhancing Real-World Adversarial Patches with 3D Modeling Techniques
• Title（参考訳）: 3次元モデリング技術による現実世界の敵パッチの強化
• Authors: Yael Mathov, Lior Rokach, Yuval Elovici
• Abstract要約: 本稿では,既存の現実世界のシーンに対して,逆パッチを製作するフレームワークを提案する。 本手法では,実世界のシミュレーションとして,シーンの3次元ディジタル近似を用いる。 デジタルシーンの任意の要素の追加と操作が可能になったことで、我々のフレームワークは、実際の設定でアタッカーがパッチの堅牢性を改善することができる。
• 参考スコア（独自算出の注目度）: 46.44887213558376
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Although many studies have examined adversarial examples in the real world, most of them relied on 2D photos of the attack scene; thus, the attacks proposed cannot address realistic environments with 3D objects or varied conditions. Studies that use 3D objects are limited, and in many cases, the real-world evaluation process is not replicable by other researchers, preventing others from reproducing the results. In this study, we present a framework that crafts an adversarial patch for an existing real-world scene. Our approach uses a 3D digital approximation of the scene as a simulation of the real world. With the ability to add and manipulate any element in the digital scene, our framework enables the attacker to improve the patch's robustness in real-world settings. We use the framework to create a patch for an everyday scene and evaluate its performance using a novel evaluation process that ensures that our results are reproducible in both the digital space and the real world. Our evaluation results show that the framework can generate adversarial patches that are robust to different settings in the real world.
• Abstract（参考訳）: 多くの研究が現実世界の敵の例を調査しているが、そのほとんどは攻撃シーンの2D写真に頼っているため、提案された攻撃は3Dオブジェクトや様々な条件で現実的な環境に対処できない。 3dオブジェクトを使用する研究は限られており、多くの場合、現実世界の評価プロセスは、他の研究者によって複製されず、他の人が結果を再現できない。 本研究では,既存の実世界のシーンに対して敵対的パッチを施す枠組みを提案する。 本手法では,実世界のシミュレーションとしてシーンの3次元ディジタル近似を用いる。 デジタルシーン内の任意の要素を追加および操作する機能により、アタッカーは実際の設定でパッチの堅牢性を向上させることができます。 このフレームワークを使用して、日々のシーンのパッチを作成し、デジタル空間と現実世界の両方で結果が再現可能であることを確認する新しい評価プロセスを使用してそのパフォーマンスを評価します。 評価結果は,現実世界の異なる環境に対して堅牢な逆パッチを生成できることを示す。

関連論文リスト

• Zero-Shot Multi-Object Scene Completion [59.325611678171974]
  1枚のRGB-D画像から複雑なシーンにおける複数の見えない物体の完全な形状を復元する3Dシーン補完法を提案する。 提案手法は, 合成および実世界の両方のデータセットにおいて, 現在の最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-03-21T17:59:59Z)
• Differentiable Blocks World: Qualitative 3D Decomposition by Rendering Primitives [70.32817882783608]
  本稿では,3次元プリミティブを用いて,シンプルでコンパクトで動作可能な3次元世界表現を実現する手法を提案する。 既存の3次元入力データに依存するプリミティブ分解法とは異なり,本手法は画像を直接操作する。 得られたテクスチャ化されたプリミティブは入力画像を忠実に再構成し、視覚的な3Dポイントを正確にモデル化する。
  論文  参考訳（メタデータ） (2023-07-11T17:58:31Z)
• Self-supervised novel 2D view synthesis of large-scale scenes with efficient multi-scale voxel carving [77.07589573960436]
  実シーンの新たなビューを生成するために,効率的なマルチスケールのボクセル彫刻手法を提案する。 我々の最終的な高解像度出力は、ボクセル彫刻モジュールによって自動的に生成されるデータに基づいて効率よく自己学習される。 実環境における複雑で大規模なシーンにおける本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-06-26T13:57:05Z)
• DTA: Physical Camouflage Attacks using Differentiable Transformation Network [0.4215938932388722]
  本研究では,物体検出モデルに対して,対象物体上の頑健な物理的対角パターンを生成するためのフレームワークを提案する。 我々の攻撃フレームワークを利用することで、敵はレガシーなフォトリアリスティックの利点と、ホワイトボックスアクセスの利点の両方を得ることができる。 実験の結果,我々のキャモフラージュした3D車両は,最先端の物体検出モデルを回避することができた。
  論文  参考訳（メタデータ） (2022-03-18T10:15:02Z)
• On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving [59.33715889581687]
  現実世界の敵対的な例(通常はパッチの形で)の存在は、安全クリティカルなコンピュータビジョンタスクにおけるディープラーニングモデルの使用に深刻な脅威をもたらす。 本稿では,異なる種類の対立パッチを攻撃した場合のセマンティックセグメンテーションモデルのロバスト性を評価する。 画素の誤分類を誘導する攻撃者の能力を改善するために, 新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2022-01-05T22:33:43Z)
• Messing Up 3D Virtual Environments: Transferable Adversarial 3D Objects [21.86544028303682]
  本研究では, 容易にアクセス可能な要素からなるツールチェーンを用いて, テクスチャを変更することで, 対向3Dオブジェクトの製作方法について検討する。 既成の制限されたサロゲートを用いて、対向オブジェクトを作成することは可能であり、実際に簡単であることを示す。 そこで本研究では, 2種類の対角線を交差させて, ターゲットエンジンに有効と推定されるテクスチャ要素に変化を集中させるサリエンシ攻撃を提案する。
  論文  参考訳（メタデータ） (2021-09-17T11:06:23Z)
• 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)
• SAILenv: Learning in Virtual Visual Environments Made Simple [16.979621213790015]
  仮想3Dシーンで視覚認識を実験できる新しいプラットフォームを提案する。 すべてのアルゴリズムを仮想世界とインターフェースするためには数行のコードが必要であり、非3Dグラフィックの専門家は容易に3D環境自体をカスタマイズできる。 我々のフレームワークはピクセルレベルのセマンティクスとインスタンスのラベル付け、深さ、そして私たちの知る限り、それは3Dエンジンから直接受け継がれるモーション関連情報を提供する唯一のものである。
  論文  参考訳（メタデータ） (2020-07-16T09:50:23Z)

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。