論文の概要: Physically Realizable Natural-Looking Clothing Textures Evade Person Detectors via 3D Modeling

• arxiv url: http://arxiv.org/abs/2307.01778v2
• Date: Fri, 08 Nov 2024 01:17:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 18:11:24.874103
• Title: Physically Realizable Natural-Looking Clothing Textures Evade Person Detectors via 3D Modeling
• Title（参考訳）: 物理的に実現可能な自然着衣テクスチャの3次元モデリングによる人体検出
• Authors: Zhanhao Hu, Wenda Chu, Xiaopei Zhu, Hui Zhang, Bo Zhang, Xiaolin Hu,
• Abstract要約: 我々は3次元モデリングに基づく衣服の敵対的テクスチャを製作する。 本稿では,日常服の典型的なテクスチャに類似した,対向的なカモフラージュテクスチャ(AdvCaT)を提案する。 素材に3Dテクスチャを印刷し、Tシャツやズボンに仕立てました。
• 参考スコア（独自算出の注目度）: 19.575338491567813
• License:
• Abstract: Recent works have proposed to craft adversarial clothes for evading person detectors, while they are either only effective at limited viewing angles or very conspicuous to humans. We aim to craft adversarial texture for clothes based on 3D modeling, an idea that has been used to craft rigid adversarial objects such as a 3D-printed turtle. Unlike rigid objects, humans and clothes are non-rigid, leading to difficulties in physical realization. In order to craft natural-looking adversarial clothes that can evade person detectors at multiple viewing angles, we propose adversarial camouflage textures (AdvCaT) that resemble one kind of the typical textures of daily clothes, camouflage textures. We leverage the Voronoi diagram and Gumbel-softmax trick to parameterize the camouflage textures and optimize the parameters via 3D modeling. Moreover, we propose an efficient augmentation pipeline on 3D meshes combining topologically plausible projection (TopoProj) and Thin Plate Spline (TPS) to narrow the gap between digital and real-world objects. We printed the developed 3D texture pieces on fabric materials and tailored them into T-shirts and trousers. Experiments show high attack success rates of these clothes against multiple detectors.
• Abstract（参考訳）: 近年の研究では、人検知器を避けるために敵の服を作る方法が提案されているが、これは限られた視角でのみ有効か、人間にとって非常に顕著である。 本研究の目的は,3Dプリントしたカメなどの厳密な相手物を製作するために使用される3Dモデリングに基づいて,衣服の敵対的テクスチャを製作することである。 硬い物体とは異なり、人間と衣服は厳密ではないため、物理的実現には困難が伴う。 本研究では,複数の視角で人検出装置を回避できる自然装具を開発するために,日常服の典型的なテクスチャの一種であるカモフラージュテクスチャに類似した,逆向きのカモフラージュテクスチャ(AdvCaT)を提案する。 本稿では,Voronoi図とGumbel-softmax図を用いてカモフラージュテクスチャのパラメータ化と3次元モデリングによるパラメータの最適化を行う。 さらに,トポロジカル・プラウシブル・プロジェクション (TopoProj) とステンプレート・スプライン (TPS) を組み合わせた3次元メッシュ上での効率的な拡張パイプラインを提案する。 素材に3Dテクスチャを印刷し、Tシャツやズボンに仕立てました。 実験では、これらの服が複数の検出器に対して高い攻撃成功率を示す。

関連論文リスト

• Synthesizing Moving People with 3D Control [88.68284137105654]
  対象とする3次元運動系列の単一画像から人物をアニメーションする拡散モデルに基づくフレームワークを提案する。 まず,1つの画像が与えられた人の見えない部分を幻覚させる拡散モデルについて学習する。 第2に,3次元人間のポーズによって制御される拡散に基づくレンダリングパイプラインを開発する。
  論文  参考訳（メタデータ） (2024-01-19T18:59:11Z)
• SCULPT: Shape-Conditioned Unpaired Learning of Pose-dependent Clothed and Textured Human Meshes [62.82552328188602]
  SCULPTは,人間の布とテクスチャを用いた3次元メッシュの新規な3次元生成モデルである。 我々は, 被服体の形状と外観分布を表現できるディープニューラルネットワークを考案した。
  論文  参考訳（メタデータ） (2023-08-21T11:23:25Z)
• PERGAMO: Personalized 3D Garments from Monocular Video [6.8338761008826445]
  PERGAMOはモノクロ画像から3D衣服の変形可能なモデルを学ぶためのデータ駆動型アプローチである。 まず,1枚の画像から衣服の3次元形状を再構築する新しい手法を紹介し,それを用いて単眼ビデオから衣服のデータセットを構築する。 本手法は,実世界の動作にマッチする衣料アニメーションを作成でき,モーションキャプチャーデータセットから抽出した身体の動きを一般化できることを示す。
  論文  参考訳（メタデータ） (2022-10-26T21:15:54Z)
• Adversarial Texture for Fooling Person Detectors in the Physical World [38.39939625606267]
  AdvTexture(AdvTexture)は、任意の形状の衣服をカバーできるので、そのような服を着ている人は、異なる角度から人検知器から隠れることができる。 本稿では,反復構造を持つAdvTextureを構築するために,Toroidal-Cropping-based Expandable Generative Attack (TC-EGA) という生成手法を提案する。 実験の結果、この服は物理的な世界で人検知器を騙すことができることがわかった。
  論文  参考訳（メタデータ） (2022-03-07T13:22:25Z)
• gDNA: Towards Generative Detailed Neural Avatars [94.9804106939663]
  我々のモデルでは,多様で詳細な衣服を身に着けた自然の人間のアバターを生成できることが示されている。 本手法は,人間のモデルを生のスキャンに適合させる作業に使用することができ,従来の最先端技術よりも優れていた。
  論文  参考訳（メタデータ） (2022-01-11T18:46:38Z)
• The Power of Points for Modeling Humans in Clothing [60.00557674969284]
  現在、アーティストはリアルな衣服で自然に動く3Dアバターを作る必要がある。 3次元表現は様々なトポロジを高分解能で捉えることができ、データから学習できることを示す。 我々は、異なる衣服の形状を表現するために、新しい局所的な衣服幾何学的特徴を持つニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2021-09-02T17:58:45Z)
• 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)
• 3D Invisible Cloak [12.48087784777591]
  実世界の人検知器に対する新たな物理的ステルス攻撃を提案する。 提案手法は, 対向パッチを生成し, 実際の衣服に印刷し, 3次元で見えないマントを作る。
  論文  参考訳（メタデータ） (2020-11-27T12:43:04Z)
• Learning to Transfer Texture from Clothing Images to 3D Humans [50.838970996234465]
  そこで本稿では,SMPL上着の3D衣服に衣料画像のテクスチャを自動的にリアルタイムに転送する手法を提案する。 まず, 高精度だが遅い3D-3D登録法を用いて, 整列した3D衣料を用いて, 画像のトレーニングペアを計算した。 我々のモデルは仮想試行のような応用への扉を開き、学習に必要な多様なテクスチャを持つ3D人間を作成できる。
  論文  参考訳（メタデータ） (2020-03-04T12:53:58Z)

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。