論文の概要: Flexible Physical Camouflage Generation Based on a Differential Approach

• arxiv url: http://arxiv.org/abs/2402.13575v2
• Date: Mon, 25 Nov 2024 04:07:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:16:55.737096
• Title: Flexible Physical Camouflage Generation Based on a Differential Approach
• Title（参考訳）: 微分アプローチに基づくフレキシブル物理カモフラージュ生成
• Authors: Yang Li, Wenyi Tan, Chenxing Zhao, Shuangju Zhou, Xinkai Liang, Quan Pan,
• Abstract要約: 本研究は、特に対向性カモフラージュに適したニューラルレンダリングに対する新しいアプローチを導入する。 我々の手法はFPAと呼ばれ、照明条件や材質の変化を忠実にシミュレートすることで従来の手法を超えています。 逆行性カモフラージュ法におけるFPAアプローチの有用性と有効性について検討した。
• 参考スコア（独自算出の注目度）: 6.645986533504748
• License:
• Abstract: This study introduces a novel approach to neural rendering, specifically tailored for adversarial camouflage, within an extensive 3D rendering framework. Our method, named FPA, goes beyond traditional techniques by faithfully simulating lighting conditions and material variations, ensuring a nuanced and realistic representation of textures on a 3D target. To achieve this, we employ a generative approach that learns adversarial patterns from a diffusion model. This involves incorporating a specially designed adversarial loss and covert constraint loss to guarantee the adversarial and covert nature of the camouflage in the physical world. Furthermore, we showcase the effectiveness of the proposed camouflage in sticker mode, demonstrating its ability to cover the target without compromising adversarial information. Through empirical and physical experiments, FPA exhibits strong performance in terms of attack success rate and transferability. Additionally, the designed sticker-mode camouflage, coupled with a concealment constraint, adapts to the environment, yielding diverse styles of texture. Our findings highlight the versatility and efficacy of the FPA approach in adversarial camouflage applications.
• Abstract（参考訳）: 本研究は, 広義の3次元レンダリングフレームワークにおいて, 対向性カモフラージュに適したニューラルレンダリングの新たなアプローチを提案する。 FPAと呼ばれるこの手法は、照明条件や材質の変化を忠実にシミュレートし、3Dターゲット上でのテクスチャの微妙でリアルな表現を確実にすることで、従来の手法を超えています。 これを実現するために,拡散モデルから逆パターンを学習する生成的手法を用いる。 これには、物理的世界におけるカモフラージュの敵対的かつ隠蔽的な性質を保証するために、特別に設計された対向的損失と隠蔽的制約損失が組み込まれている。 さらに, ステッカーモードにおけるカモフラージュの有効性を示すとともに, 敵の情報を損なうことなく対象をカバーできることを実証する。 経験的および物理的実験を通じて、FPAは攻撃成功率と伝達可能性の点で強い性能を示す。 さらに、デザインされたステッカーモードのカモフラージュと隠蔽の制約が組み合わされ、環境に適応し、多様なテクスチャのスタイルを生み出す。 逆行性カモフラージュ法におけるFPAアプローチの有用性と有効性について検討した。

関連論文リスト

• CNCA: Toward Customizable and Natural Generation of Adversarial Camouflage for Vehicle Detectors [19.334642862951537]
  既訓練拡散モデルを利用したCNCA(Customizable and Natural Camouflage Attack)を提案する。 本手法は,攻撃性能を維持しつつ,自然かつカスタマイズ可能な対向カモフラージュを生成することができる。
  論文  参考訳（メタデータ） (2024-09-26T15:41:18Z)
• RAUCA: A Novel Physical Adversarial Attack on Vehicle Detectors via Robust and Accurate Camouflage Generation [19.334642862951537]
  本稿では,頑健で正確なカモフラージュ生成手法であるRAUCAを提案する。 RAUCAのコアはニューラルレンダリングコンポーネントであるNeural Renderer Plus(NRP)で、車両のテクスチャを正確に投影し、照明や天気などの環境特性を持つ画像を描画することができる。 6つの一般的な物体検出器の実験結果から、RAUCAはシミュレーションと実世界の両方の設定において、既存の手法を一貫して上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-02-24T16:50:10Z)
• Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
  本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。 具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。 設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
  論文  参考訳（メタデータ） (2023-12-18T15:25:23Z)
• WarpDiffusion: Efficient Diffusion Model for High-Fidelity Virtual Try-on [81.15988741258683]
  画像ベースの仮想トライオン(VITON)は、ホップ内の衣服イメージを対象人物に転送することを目的としている。 現在の方法では、衣服と肌の境界付近の合成品質や、ねじれた衣服のしわや影のような現実的な効果を見落としていることが多い。 本稿では,新しい情報的・局所的な特徴的注意機構を通じてワーピングと拡散に基づくパラダイムを橋渡しするワープ拡散を提案する。
  論文  参考訳（メタデータ） (2023-12-06T18:34:32Z)
• NeRFTAP: Enhancing Transferability of Adversarial Patches on Face Recognition using Neural Radiance Fields [15.823538329365348]
  本稿では、FRモデルへの転送可能性と被害者の顔画像の両方を考慮し、新たな敵攻撃法を提案する。 我々は,敵パッチの転送可能性を高めるために,ソースと対象対象のための新しいビューフェイス画像を生成する。 本研究は, FRシステムの強靭性向上に有用な知見を提供する。
  論文  参考訳（メタデータ） (2023-11-29T03:17:14Z)
• The Making and Breaking of Camouflage [95.37449361842656]
  背景特徴と前景特徴の類似性と境界視認性によってカモフラージュを測定することができることを示す。 提案したカモフラージュスコアを補助的損失として生成モデルに組み込んで,有効カモフラージュ画像やビデオがスケーラブルに合成可能であることを示す。
  論文  参考訳（メタデータ） (2023-09-07T17:58:05Z)
• CamoDiffusion: Camouflaged Object Detection via Conditional Diffusion Models [72.93652777646233]
  カモフラーゲ型物体検出(COD)は、カモフラーゲ型物体とその周囲の類似性が高いため、コンピュータビジョンにおいて難しい課題である。 本研究では,CODを拡散モデルを利用した条件付きマスク生成タスクとして扱う新しいパラダイムを提案する。 カモ拡散(CamoDiffusion)と呼ばれる本手法では,拡散モデルのデノナイズプロセスを用いてマスクの雑音を反復的に低減する。
  論文  参考訳（メタデータ） (2023-05-29T07:49:44Z)
• CamDiff: Camouflage Image Augmentation via Diffusion Model [83.35960536063857]
  CamDiffは、カモフラージュされたシーンで透明なオブジェクトを合成するための新しいアプローチだ。 我々は,潜伏拡散モデルを用いて,カモフラージュされたシーンで有能な物体を合成する。 当社のアプローチでは、フレキシブルな編集と大規模データセットの効率的な生成を低コストで実現している。
  論文  参考訳（メタデータ） (2023-04-11T19:37:47Z)
• DTA: Physical Camouflage Attacks using Differentiable Transformation Network [0.4215938932388722]
  本研究では,物体検出モデルに対して,対象物体上の頑健な物理的対角パターンを生成するためのフレームワークを提案する。 我々の攻撃フレームワークを利用することで、敵はレガシーなフォトリアリスティックの利点と、ホワイトボックスアクセスの利点の両方を得ることができる。 実験の結果,我々のキャモフラージュした3D車両は,最先端の物体検出モデルを回避することができた。
  論文  参考訳（メタデータ） (2022-03-18T10:15:02Z)
• 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)

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。