論文の概要: Hardening RGB-D Object Recognition Systems against Adversarial Patch Attacks

• arxiv url: http://arxiv.org/abs/2309.07106v1
• Date: Wed, 13 Sep 2023 17:25:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 13:21:20.809632
• Title: Hardening RGB-D Object Recognition Systems against Adversarial Patch Attacks
• Title（参考訳）: 逆パッチ攻撃に対するRGB-D物体認識システムの強化
• Authors: Yang Zheng, Luca Demetrio, Antonio Emanuele Cin\`a, Xiaoyi Feng, Zhaoqiang Xia, Xiaoyue Jiang, Ambra Demontis, Battista Biggio, Fabio Roli
• Abstract要約: RGB-Dオブジェクト認識システムは色と深度情報を融合することで予測性能を向上させる。 敵の例に非常に弱いことが証明されている。 本稿では,RGB-Dシステムに対してより堅牢な検出機構に基づく防御機構を提案する。
• 参考スコア（独自算出の注目度）: 23.31061728099733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RGB-D object recognition systems improve their predictive performances by fusing color and depth information, outperforming neural network architectures that rely solely on colors. While RGB-D systems are expected to be more robust to adversarial examples than RGB-only systems, they have also been proven to be highly vulnerable. Their robustness is similar even when the adversarial examples are generated by altering only the original images' colors. Different works highlighted the vulnerability of RGB-D systems; however, there is a lacking of technical explanations for this weakness. Hence, in our work, we bridge this gap by investigating the learned deep representation of RGB-D systems, discovering that color features make the function learned by the network more complex and, thus, more sensitive to small perturbations. To mitigate this problem, we propose a defense based on a detection mechanism that makes RGB-D systems more robust against adversarial examples. We empirically show that this defense improves the performances of RGB-D systems against adversarial examples even when they are computed ad-hoc to circumvent this detection mechanism, and that is also more effective than adversarial training.
• Abstract（参考訳）: RGB-Dオブジェクト認識システムは、色と深度情報を融合することで予測性能を改善し、色のみに依存するニューラルネットワークアーキテクチャより優れている。 RGB-Dシステムは、RGBのみのシステムよりも敵のシステムの方が堅牢であると予想されているが、非常に脆弱であることが証明されている。 そのロバスト性は、元の画像の色だけを変更して敵の例を生成する場合でも似ている。 異なる作品がrgb-dシステムの脆弱性を強調しているが、この弱点に関する技術的な説明が欠けている。 したがって、本研究では、RGB-Dシステムの学習された深部表現を調査し、色特徴がネットワークによって学習される機能をより複雑にし、小さな摂動に敏感にすることで、このギャップを埋める。 この問題を軽減するために,RGB-Dシステムに対してより堅牢な検出機構に基づく防御手法を提案する。 提案手法は,この検出機構を回避するためにアドホックを計算した場合でも,敵例に対するrgb-dシステムの性能が向上し,また,敵の訓練よりも効果的であることを示す。

関連論文リスト

• Hybrid Attention for Robust RGB-T Pedestrian Detection in Real-World Conditions [12.029298456323835]
  近年,特に自動運転の分野では,多スペクトル歩行者検出が注目されている。 対向照明条件による課題に対処するため、熱画像と可視画像の組み合わせは、その利点を実証した。 既存の融合法は、RGB-Thermal (RGB-T) 画像対が完全に重複しているという批判的な仮定に依存している。 実世界のアプリケーションにおける推論時に発生する部分重なりとセンサ故障に対して頑健なRGB-T融合アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-11-06T00:34:26Z)
• Diffusion-based RGB-D Semantic Segmentation with Deformable Attention Transformer [10.982521876026281]
  本稿では,RGB-Dセマンティックセグメンテーション問題に対処する拡散型フレームワークを提案する。 本研究では,デフォルマブルアテンション変換器をエンコーダとして利用し,奥行き画像から特徴を抽出することにより,デフォルマブルアテンション変換器の特性を効果的に把握できることを実証する。
  論文  参考訳（メタデータ） (2024-09-23T15:23:01Z)
• DISCO: Adversarial Defense with Local Implicit Functions [79.39156814887133]
  aDversarIal defenSe with local impliCit functiOns が提案され、局所多様体射影による対角摂動を除去する。 DISCOは、逆画像とクエリピクセル位置を消費し、その位置でクリーンなRGB値を出力する。
  論文  参考訳（メタデータ） (2022-12-11T23:54:26Z)
• Boosting RGB-D Saliency Detection by Leveraging Unlabeled RGB Images [89.81919625224103]
  RGB-D Salient Object Detection (SOD) のための深層モデルの訓練は、しばしば多数のラベル付きRGB-D画像を必要とする。 本稿では、ラベルのないRGB画像を活用するために、Dual-Semi RGB-D Salient Object Detection Network (DS-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-01T03:02:27Z)
• Cross-modality Discrepant Interaction Network for RGB-D Salient Object Detection [78.47767202232298]
  本稿では,RGB-D SODのためのクロスモダリティ離散相互作用ネットワーク(CDINet)を提案する。 2つのコンポーネントは、効果的な相互モダリティ相互作用を実装するように設計されている。 我々のネットワークは、定量的にも質的にも15ドルの最先端の手法より優れています。
  論文  参考訳（メタデータ） (2021-08-04T11:24:42Z)
• MobileSal: Extremely Efficient RGB-D Salient Object Detection [62.04876251927581]
  本稿では,効率的なRGB-Dサルエント物体検出(SOD)に焦点を当てた新しいネットワーク,メソッド名を提案する。 RGB-D SODのためのモバイルネットワークの特徴表現能力を強化するために,暗黙的深度復元(IDR)手法を提案する。 IDRとCPRを組み込むことで、7つの挑戦的なRGB-D SODデータセット上のsArtメソッドに対してメソッド名が好ましい。
  論文  参考訳（メタデータ） (2020-12-24T04:36:42Z)
• Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
  我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。 そこで本研究では,改良のための改良ネットワークを提案する。 我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2020-08-17T02:55:06Z)
• Cascade Graph Neural Networks for RGB-D Salient Object Detection [41.57218490671026]
  色情報と深度情報の両方を用いて,RGB-D画像に対する正当性物体検出(SOD)の問題点を考察する。 この2つのデータソース間の相互利益を総合的に蒸留し推論できる統合フレームワークであるCascade Graph Neural Networks(Cas-Gnn)を紹介する。 Cas-Gnnは、いくつかの広く使用されているベンチマークにおいて、既存のRGB-DSODアプローチよりも大幅にパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2020-08-07T10:59:04Z)
• Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
  深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。 既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。 本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:35:24Z)
• Cross-Spectrum Dual-Subspace Pairing for RGB-infrared Cross-Modality Person Re-Identification [15.475897856494583]
  従来の人物識別はRGBカラー画像しか扱えないが、暗い条件下では失敗する。 RGB赤外線ReID(Infrared-Visible ReID、Visible-Thermal ReIDとも呼ばれる)が提案されている。 本稿では, 新たなマルチスペクトル画像生成手法を提案し, 生成したサンプルを用いて, ネットワークの識別情報検索を支援する。
  論文  参考訳（メタデータ） (2020-02-29T09:01:39Z)

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。