論文の概要: Isometric 3D Adversarial Examples in the Physical World

• arxiv url: http://arxiv.org/abs/2210.15291v1
• Date: Thu, 27 Oct 2022 09:58:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 12:17:35.041030
• Title: Isometric 3D Adversarial Examples in the Physical World
• Title（参考訳）: 物理世界における等尺的3次元逆転例
• Authors: Yibo Miao, Yinpeng Dong, Jun Zhu, Xiao-Shan Gao
• Abstract要約: 3Dディープラーニングモデルは、2Dモデルと同じくらい敵対的な例に弱いことが示されている。 既存の攻撃方法はまだステルスには程遠いので、物理的な世界では深刻なパフォーマンス劣化に悩まされている。 本研究では, 自然かつ堅牢な3次元対向例を生成するために, 新規な$epsilon$-isometric ($epsilon$-ISO) 攻撃を提案する。
• 参考スコア（独自算出の注目度）: 34.291370103424995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D deep learning models are shown to be as vulnerable to adversarial examples as 2D models. However, existing attack methods are still far from stealthy and suffer from severe performance degradation in the physical world. Although 3D data is highly structured, it is difficult to bound the perturbations with simple metrics in the Euclidean space. In this paper, we propose a novel $\epsilon$-isometric ($\epsilon$-ISO) attack to generate natural and robust 3D adversarial examples in the physical world by considering the geometric properties of 3D objects and the invariance to physical transformations. For naturalness, we constrain the adversarial example to be $\epsilon$-isometric to the original one by adopting the Gaussian curvature as a surrogate metric guaranteed by a theoretical analysis. For invariance to physical transformations, we propose a maxima over transformation (MaxOT) method that actively searches for the most harmful transformations rather than random ones to make the generated adversarial example more robust in the physical world. Experiments on typical point cloud recognition models validate that our approach can significantly improve the attack success rate and naturalness of the generated 3D adversarial examples than the state-of-the-art attack methods.
• Abstract（参考訳）: 3次元深層学習モデルは、2次元モデルと同じくらい敵の例に弱いことが示されている。 しかし、既存の攻撃方法はまだステルス状態にあり、物理的な世界では深刻な性能低下に苦しめられている。 3次元データは高度に構造化されているが、ユークリッド空間の単純な測度で摂動を束縛することは困難である。 本稿では,3次元物体の幾何学的性質と物理変換の不均一性を考慮して,自然かつ頑健な3次元逆例を生成する,新たな$\epsilon$-isometric ($\epsilon$-iso)攻撃を提案する。 自然性については、ガウス曲率を理論解析によって保証される代理計量として採用することにより、逆例を元のものに対して$\epsilon$-isometricに制限する。 物理的変換に対する不変性については,ランダム変換よりも最も有害な変換を積極的に探索し,生成した逆例を物理的な世界でより頑健なものにするmaxot(maxa over transformation)法を提案する。 典型的なポイントクラウド認識モデルを用いた実験により,本手法は最先端の攻撃手法よりも,生成した3次元攻撃例のアタック成功率と自然性が著しく向上することを確認した。

関連論文リスト

• Imperceptible Adversarial Examples in the Physical World [10.981325924844167]
  我々は、ストレートスルー推定器(STE、別名BPDA)を用いて、物理世界における敵対例を知覚できないものにする。 我々のSTEのレンダリング拡張は、物理的世界における知覚できない敵パッチも可能にします。 我々の知る限りでは、これは物理的世界の小さな規範に縛られた、知覚できない敵の例を示す最初の作品である。
  論文  参考訳（メタデータ） (2024-11-25T18:02:23Z)
• Physically Compatible 3D Object Modeling from a Single Image [109.98124149566927]
  単一画像を3次元物理オブジェクトに変換するフレームワークを提案する。 我々のフレームワークは、リコンストラクションプロセスに物理的な互換性を組み込む。 既存の手法よりも3Dモデルの物理的リアリズムを一貫して強化する。
  論文  参考訳（メタデータ） (2024-05-30T21:59:29Z)
• Hide in Thicket: Generating Imperceptible and Rational Adversarial Perturbations on 3D Point Clouds [62.94859179323329]
  3Dポイントクラウド分類のための点操作に基づくアドリアック手法により、3Dモデルの脆弱性を明らかにした。 そこで本研究では,2段階の攻撃領域探索を行うHT-ADV法を提案する。 我々は,良性再サンプリングと良性剛性変換を用いることで,不受容性への犠牲がほとんどなく,身体的敵意の強さをさらに高めることができることを示唆する。
  論文  参考訳（メタデータ） (2024-03-08T12:08:06Z)
• 3D Adversarial Augmentations for Robust Out-of-Domain Predictions [115.74319739738571]
  ドメイン外データへの一般化の改善に注力する。 対象を逆向きに変形させるベクトルの集合を学習する。 本研究では,学習したサンプル非依存ベクトルをモデルトレーニング時に利用可能なオブジェクトに適用することにより,対数拡大を行う。
  論文  参考訳（メタデータ） (2023-08-29T17:58:55Z)
• 3D shape reconstruction of semi-transparent worms [0.950214811819847]
  3D形状の再構成は通常、被写体の複数の画像に物体の特徴やテクスチャを特定する必要がある。 ここでは、画像と比較するために、適応的ぼかしと透明度で候補形状を描画することで、これらの課題を克服する。 本研究は,線虫類の細いカエノルハブディティ・エレガンスを,生物学的にインフォームドされた制約や規則化を自然に許容する内在的パラメトリションを用いて3次元曲線としてモデル化する。
  論文  参考訳（メタデータ） (2023-04-28T13:29:36Z)
• Imperceptible and Robust Backdoor Attack in 3D Point Cloud [62.992167285646275]
  本稿では、この課題に対処するために、新しい非受容的で堅牢なバックドアアタック(IRBA)を提案する。 我々は、重み付き局所変換(WLT)と呼ばれる非線形局所変換を用いて、ユニークな変換を持つ有毒試料を構築する。 3つのベンチマークデータセットと4つのモデルによる実験により、IRBAは前処理技術でもほとんどの場合80%以上のASRを達成することが示された。
  論文  参考訳（メタデータ） (2022-08-17T03:53:10Z)
• {\phi}-SfT: Shape-from-Template with a Physics-Based Deformation Model [69.27632025495512]
  Shape-from-Template (SfT) 法では、単一の単眼RGBカメラから3次元表面の変形を推定する。 本稿では,物理シミュレーションによる2次元観察を解説する新しいSfT手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T17:59:57Z)
• 3D-VField: Learning to Adversarially Deform Point Clouds for Robust 3D Object Detection [111.32054128362427]
  安全クリティカルな環境では、アウト・オブ・ディストリビューションとロングテールサンプルの堅牢性は、危険な問題を回避するのに不可欠である。 トレーニング中の変形点雲を考慮した3次元物体検出器の領域外データへの一般化を著しく改善する。 我々は、リアルに損傷を受けた稀な車の合成データセットであるCrashDを提案し、共有する。
  論文  参考訳（メタデータ） (2021-12-09T08:50:54Z)

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。