論文の概要: Differential Evolution based Dual Adversarial Camouflage: Fooling Human Eyes and Object Detectors

• arxiv url: http://arxiv.org/abs/2210.08870v1
• Date: Mon, 17 Oct 2022 09:07:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 16:29:29.134597
• Title: Differential Evolution based Dual Adversarial Camouflage: Fooling Human Eyes and Object Detectors
• Title（参考訳）: 差分進化に基づく二重対向カモフラージュ:ヒト眼と物体検出器の摂食
• Authors: Jialiang Sun
• Abstract要約: 本研究では,2段階からなる二重対向カモフラージュ法(DE_DAC)を提案する。 第1段階では、レンダリング対象とシーン画像との差を最小限に抑えるために、グローバルテクスチャを最適化する。 第2段階では、局所的なテクスチャを最適化する3つの損失関数を設計し、物体検出を非効率にする。
• 参考スコア（独自算出の注目度）: 0.190365714903665
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Recent studies reveal that deep neural network (DNN) based object detectors are vulnerable to adversarial attacks in the form of adding the perturbation to the images, leading to the wrong output of object detectors. Most current existing works focus on generating perturbed images, also called adversarial examples, to fool object detectors. Though the generated adversarial examples themselves can remain a certain naturalness, most of them can still be easily observed by human eyes, which limits their further application in the real world. To alleviate this problem, we propose a differential evolution based dual adversarial camouflage (DE_DAC) method, composed of two stages to fool human eyes and object detectors simultaneously. Specifically, we try to obtain the camouflage texture, which can be rendered over the surface of the object. In the first stage, we optimize the global texture to minimize the discrepancy between the rendered object and the scene images, making human eyes difficult to distinguish. In the second stage, we design three loss functions to optimize the local texture, making object detectors ineffective. In addition, we introduce the differential evolution algorithm to search for the near-optimal areas of the object to attack, improving the adversarial performance under certain attack area limitations. Besides, we also study the performance of adaptive DE_DAC, which can be adapted to the environment. Experiments show that our proposed method could obtain a good trade-off between the fooling human eyes and object detectors under multiple specific scenes and objects.
• Abstract（参考訳）: 近年の研究では、ディープニューラルネットワーク(DNN)ベースの物体検出器が、画像に摂動を加える形で敵の攻撃に弱いことが示されており、物体検出器の誤った出力につながっている。 現在の既存の作品のほとんどは、物体検出器を騙すために摂動画像を生成することに焦点を当てている。 生成した敵の例自体は一定の自然性を維持することができるが、そのほとんどは人間の目で容易に観察できるため、現実世界でのさらなる応用は制限される。 この問題を軽減するために,人間の目と物体検出器を同時に騙す2段階からなる差動進化に基づく二重対向カモフラージュ法(DE_DAC)を提案する。 具体的には、対象物の表面上でレンダリング可能なカモフラージュテクスチャの取得を試みる。 第1段階では,グローバルなテクスチャを最適化し,レンダリング対象とシーン画像との差を最小限に抑え,人間の目が識別しにくくする。 第2段階では,局所的なテクスチャを最適化するために3つの損失関数を設計した。 さらに,攻撃対象のほぼ最適領域を探索する微分進化アルゴリズムを導入し,特定の攻撃領域制限下での対向性能を向上させる。 また,環境に適応可能な適応型D_DACの性能についても検討した。 実験により, 提案手法は, 複数の特定のシーンや対象物の下で, 人間の目と物体検出装置との良好なトレードオフが得られることを示した。

関連論文リスト

• Adversarial Attacks Using Differentiable Rendering: A Survey [41.133107951792496]
  微分可能なレンダリング手法は、写真現実的で物理的に妥当な敵攻撃を生成するための有望な手段として現れてきた。 我々の調査は、研究者や実践者が敵の攻撃に対するコンピュータビジョンシステムの脆弱性をよりよく理解するのに役立ちます。
  論文  参考訳（メタデータ） (2024-11-14T19:03:11Z)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
  最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。 本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。 我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-10-31T06:11:23Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• MonoTDP: Twin Depth Perception for Monocular 3D Object Detection in Adverse Scenes [49.21187418886508]
  本論文は,モノTDP(MonoTDP)と呼ばれる悪シーンにおける2つの深度を知覚するモノクル3次元検出モデルを提案する。 まず、制御不能な気象条件を扱うモデルを支援するための適応学習戦略を導入し、様々な劣化要因による劣化を著しく抑制する。 そこで本研究では, シーン深度と物体深度を同時に推定する新たな2つの深度認識モジュールを提案する。
  論文  参考訳（メタデータ） (2023-05-18T13:42:02Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Butterfly Effect Attack: Tiny and Seemingly Unrelated Perturbations for Object Detection [0.0]
  この研究は、オブジェクト検出において、小さく、一見無関係なイメージの摂動を探索し、識別することを目的としている。 物体の「非関連性」の度合いを、発生した摂動と物体の間の画素距離によって特徴づける。 その結果、画像の右側の(見えない)摂動は、左側の物体検出の結果を大きく変えることができることを示した。
  論文  参考訳（メタデータ） (2022-11-14T16:07:14Z)
• DPA: Learning Robust Physical Adversarial Camouflages for Object Detectors [5.598600329573922]
  そこで本研究では,Dense Proposals Attack (DPA) を提案し,検出器の頑健で物理的,ターゲットとした対向カモフラージュを学習する。 カモフラージュは、任意の視点と異なる照明条件下で撮影されたとき、敵対的であり続けるため、頑丈である。 We build a virtual 3D scene using the Unity Simulation engine to evaluate fair and reproducally different physical attack。
  論文  参考訳（メタデータ） (2021-09-01T00:18:17Z)
• CCA: Exploring the Possibility of Contextual Camouflage Attack on Object Detection [16.384831731988204]
  対象検出器の性能に影響を及ぼすためのコンテキストカモフラージュ攻撃(CCA)アルゴリズムを提案する。 本稿では,フォトリアリスティック・シミュレートされた環境における進化的探索戦略と対向機械学習の相互作用について述べる。 提案されたカモフラージュは、最先端の物体検出器の多くに有効であることが検証されている。
  論文  参考訳（メタデータ） (2020-08-19T06:16:10Z)

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。