Fugu-MT 論文翻訳(概要): Targeted Adversarial Attacks on Generalizable Neural Radiance Fields

論文の概要: Targeted Adversarial Attacks on Generalizable Neural Radiance Fields

arxiv url: http://arxiv.org/abs/2310.03578v1
Date: Thu, 5 Oct 2023 14:59:18 GMT
ステータス: 処理完了
システム内更新日: 2023-10-06 15:51:17.092418
Title: Targeted Adversarial Attacks on Generalizable Neural Radiance Fields
Title（参考訳）: 一般化可能なニューラルラジアンスフィールドの標的対向攻撃
Authors: Andras Horvath, Csaba M. Jozsa
Abstract要約: 低強度対向攻撃と対向パッチの両方によって、一般化可能なNeRFが攻撃されるかを示す。また、これらの攻撃によって特定の事前定義された出力シーンが生成されるターゲットアタックも実演し、成功させた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neural Radiance Fields (NeRFs) have recently emerged as a powerful tool for 3D scene representation and rendering. These data-driven models can learn to synthesize high-quality images from sparse 2D observations, enabling realistic and interactive scene reconstructions. However, the growing usage of NeRFs in critical applications such as augmented reality, robotics, and virtual environments could be threatened by adversarial attacks. In this paper we present how generalizable NeRFs can be attacked by both low-intensity adversarial attacks and adversarial patches, where the later could be robust enough to be used in real world applications. We also demonstrate targeted attacks, where a specific, predefined output scene is generated by these attack with success.
Abstract（参考訳）: Neural Radiance Fields (NeRF)は3Dシーンの表現とレンダリングのための強力なツールとして最近登場した。これらのデータ駆動モデルは、スパース2D観測から高品質な画像を合成し、リアルでインタラクティブなシーン再構築を可能にする。しかし、拡張現実、ロボティクス、仮想環境といった重要な応用におけるNeRFの利用の増加は、敵の攻撃によって脅かされる可能性がある。本稿では,低強度対向攻撃と対向パッチの両方によって,一般化可能なNeRFが攻撃される可能性について述べる。また、これらの攻撃によって特定の事前定義された出力シーンが生成されるターゲットアタックのデモも成功している。

関連論文リスト

NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
論文参考訳（メタデータ） (2024-05-23T17:59:57Z)
Closing the Visual Sim-to-Real Gap with Object-Composable NeRFs [59.12526668734703]
本稿では,オブジェクト合成可能なNeRFモデルであるComposable Object Volume NeRF(COV-NeRF)を紹介する。 COV-NeRFは、実際の画像からオブジェクトを抽出し、それらを新しいシーンに合成し、フォトリアリスティックなレンダリングと多くのタイプの2Dおよび3D監視を生成する。
論文参考訳（メタデータ） (2024-03-07T00:00:02Z)
Generating Visually Realistic Adversarial Patch [5.41648734119775]
高品質の敵パッチは現実的で、位置が無関係で、物理的な世界に展開できる印刷可能でなければならない。我々は、視覚的に現実的な敵パッチを生成するために、VRAPと呼ばれる効果的な攻撃を提案する。 VRAPは、実際の画像の近傍のパッチを制約して、視覚的現実を確実にし、位置無関係で最も低い位置のパッチを最適化し、トータルバリアンス損失とガンマ変換を採用して、生成したパッチを情報を失うことなく印刷可能にする。
論文参考訳（メタデータ） (2023-12-05T11:07:39Z)
Shielding the Unseen: Privacy Protection through Poisoning NeRF with Spatial Deformation [59.302770084115814]
本稿では,Neural Radiance Fields(NeRF)モデルの生成機能に対して,ユーザのプライバシを保護する革新的な手法を提案する。我々の新しい中毒攻撃法は、人間の目では認識できないが、NeRFが正確に3Dシーンを再構築する能力を損なうのに十分強力である観察ビューの変化を誘発する。我々は、高品質の画像を含む29の現実世界シーンからなる2つの共通のNeRFベンチマークデータセットに対して、我々のアプローチを広範囲に検証した。
論文参考訳（メタデータ） (2023-10-04T19:35:56Z)
Adv3D: Generating 3D Adversarial Examples for 3D Object Detection in Driving Scenarios with NeRF [19.55666600076762]
Adv3DはNeural Radiance Fields (NeRFs)として初めて、敵の例をモデル化する。 NeRFは、フォトリアリスティックな外観と正確な3D生成を提供し、より現実的で実現可能な敵の例をもたらす。本稿では,3次元パッチアタックをカモフラージュ対角テクスチャで実現するプリミティブ・アウェア・サンプリングとセマンティック・ガイドによる正規化を提案する。
論文参考訳（メタデータ） (2023-09-04T04:29:01Z)
Enhance-NeRF: Multiple Performance Evaluation for Neural Radiance Fields [2.5432277893532116]
ニューラル・ラジアンス・フィールド(NeRF)は任意の視点からリアルな画像を生成することができる。 NeRFベースのモデルは、色付きの"fog"ノイズによって引き起こされる干渉問題の影響を受けやすい。当社のアプローチはEnhance-NeRFと呼ばれ、低反射率と高反射率のオブジェクトの表示のバランスをとるためにジョイントカラーを採用している。
論文参考訳（メタデータ） (2023-06-08T15:49:30Z)
Adaptive Local Adversarial Attacks on 3D Point Clouds for Augmented Reality [10.118505317224683]
敵対的な例は、3Dニューラルネットワークモデルの堅牢性を改善する上で有益である。ほとんどの3次元対向攻撃法は、全点の雲を乱して敵の例を生成する。本稿では,3次元点群に適応的局所対向攻撃法(AL-Adv)を提案し,対向点群を生成する。
論文参考訳（メタデータ） (2023-03-12T11:52:02Z)
Shadows can be Dangerous: Stealthy and Effective Physical-world Adversarial Attack by Natural Phenomenon [79.33449311057088]
我々は、非常に一般的な自然現象であるシャドーによって摂動が生じる新しい種類の光対角運動例について研究する。我々は,シミュレーション環境と実環境の両方において,この新たな攻撃の有効性を広く評価した。
論文参考訳（メタデータ） (2022-03-08T02:40:18Z)
Generating Unrestricted 3D Adversarial Point Clouds [9.685291478330054]
3Dポイントクラウドのディープラーニングは、いまだに敵の攻撃に弱い。本稿では,現実的な3D点雲を生成するために,AdvGCGAN(Adversarial Graph-Convolutional Generative Adversarial Network)を提案する。
論文参考訳（メタデータ） (2021-11-17T08:30:18Z)
BARF: Bundle-Adjusting Neural Radiance Fields [104.97810696435766]
不完全なカメラポーズからNeRFを訓練するためのバンドル調整ニューラルラジアンスフィールド(BARF)を提案します。 BARFは、ニューラルネットワークシーンの表現を効果的に最適化し、大きなカメラのポーズミスを同時に解決する。これにより、未知のカメラポーズからの映像シーケンスのビュー合成とローカライズが可能になり、視覚ローカライズシステムのための新しい道を開くことができる。
論文参考訳（メタデータ） (2021-04-13T17:59:51Z)
Spatiotemporal Attacks for Embodied Agents [119.43832001301041]
我々は、エンボディエージェントに対する敵攻撃を研究するための第一歩を踏み出した。特に,時間次元と空間次元の両方の相互作用履歴を利用する逆例を生成する。我々の摂動は強力な攻撃力と一般化能力を持っている。
論文参考訳（メタデータ） (2020-05-19T01:38:47Z)

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。