論文の概要: On the Adversarial Robustness of Camera-based 3D Object Detection

• arxiv url: http://arxiv.org/abs/2301.10766v1
• Date: Wed, 25 Jan 2023 18:59:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-01-26 14:35:51.696405
• Title: On the Adversarial Robustness of Camera-based 3D Object Detection
• Title（参考訳）: カメラによる3次元物体検出の逆ロバスト性について
• Authors: Shaoyuan Xie, Zichao Li, Zeyu Wang, Cihang Xie
• Abstract要約: 本研究は,種々の対向条件下での先行カメラを用いた3次元物体検出手法の堅牢性について,初めて包括的調査を行った。 実験の結果, (a) 正確な深度推定を効果的に行うとロバスト性は向上し, (b) 深度推定のないアプローチは優れたロバスト性を示しず, (c) 鳥眼ビューに基づく表現はローカライズ攻撃に対するロバスト性が高いことがわかった。
• 参考スコア（独自算出の注目度）: 19.77474365031685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, camera-based 3D object detection has gained widespread attention for its ability to achieve high performance with low computational cost. However, the robustness of these methods to adversarial attacks has not been thoroughly examined. In this study, we conduct the first comprehensive investigation of the robustness of leading camera-based 3D object detection methods under various adversarial conditions. Our experiments reveal five interesting findings: (a) the use of accurate depth estimation effectively improves robustness; (b) depth-estimation-free approaches do not show superior robustness; (c) bird's-eye-view-based representations exhibit greater robustness against localization attacks; (d) incorporating multi-frame benign inputs can effectively mitigate adversarial attacks; and (e) addressing long-tail problems can enhance robustness. We hope our work can provide guidance for the design of future camera-based object detection modules with improved adversarial robustness.
• Abstract（参考訳）: 近年,低計算コストで高性能な3d物体検出技術が注目されている。 しかし,これらの手法の敵攻撃に対する堅牢性は十分に検証されていない。 本研究では,種々の対向条件下での先行カメラを用いた3次元物体検出手法の堅牢性に関する総合的研究を行った。 我々の実験で5つの興味深い発見が明らかになりました a) 正確な深さ推定を使用することで、堅牢性が効果的に向上する。 b) 深さ推定のないアプローチは、優れたロバスト性を示しない。 (c)鳥眼ビューに基づく表現は、局所攻撃に対する強い堅牢性を示す。 (d)多枠良性入力を組み込むことで、対向攻撃を効果的に軽減することができる。 (e)ロングテール問題に対処することはロバスト性を高めることができる。 我々は,今後のカメラによる物体検出モジュールの設計のガイダンスを,対向性の向上とともに提供できることを願っている。

関連論文リスト

• Instance-aware Multi-Camera 3D Object Detection with Structural Priors Mining and Self-Boosting Learning [93.71280187657831]
  カメラによる鳥眼視(BEV)知覚パラダイムは、自律運転分野において大きな進歩を遂げている。 画像平面のインスタンス認識をBEV検出器内の深度推定プロセスに統合するIA-BEVを提案する。
  論文  参考訳（メタデータ） (2023-12-13T09:24:42Z)
• AdvMono3D: Advanced Monocular 3D Object Detection with Depth-Aware Robust Adversarial Training [64.14759275211115]
  そこで本研究では,DART3Dと呼ばれるモノクル3次元物体検出のための,深度対応の頑健な対向学習法を提案する。 我々の敵の訓練アプローチは、本質的な不確実性に乗じて、敵の攻撃に対する堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-09-03T07:05:32Z)
• Towards Domain Generalization for Multi-view 3D Object Detection in Bird-Eye-View [11.958753088613637]
  まず,MV3D-Detタスクにおける領域ギャップの原因を解析する。 頑健な深度予測を得るために,カメラの内在パラメータから深度推定を分離する手法を提案する。 焦点長の値を変更して複数の擬似ドメインを作成し、敵の訓練損失を発生させ、特徴表現をよりドメインに依存しないものにするよう促す。
  論文  参考訳（メタデータ） (2023-03-03T02:59:13Z)
• 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)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• On the Robustness of Quality Measures for GANs [136.18799984346248]
  本研究は、インセプションスコア(IS)やFr'echet Inception Distance(FID)のような生成モデルの品質測定の堅牢性を評価する。 このような測度は、加算画素摂動によっても操作可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T06:43:09Z)
• Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
  本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。 実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。 よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
  論文  参考訳（メタデータ） (2021-01-17T21:15:34Z)

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。