Fugu-MT 論文翻訳(概要): Infrared Adversarial Car Stickers

論文の概要: Infrared Adversarial Car Stickers

arxiv url: http://arxiv.org/abs/2405.09924v1
Date: Thu, 16 May 2024 09:26:19 GMT
ステータス: 処理完了
システム内更新日: 2024-05-17 14:51:34.616726
Title: Infrared Adversarial Car Stickers
Title（参考訳）: 赤外線対向車ステッカー
Authors: Xiaopei Zhu, Yuqiu Liu, Zhanhao Hu, Jianmin Li, Xiaolin Hu,
Abstract要約: 実車に適用可能な3次元モデリングに基づく赤外線検出器に対する物理的攻撃法を提案する。目標は、赤外線対向ステッカーのセットを設計し、さまざまな視角、距離、シーンで赤外線検出器に見えないようにすることだ。
参考スコア（独自算出の注目度）: 18.913361704019973
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Infrared physical adversarial examples are of great significance for studying the security of infrared AI systems that are widely used in our lives such as autonomous driving. Previous infrared physical attacks mainly focused on 2D infrared pedestrian detection which may not fully manifest its destructiveness to AI systems. In this work, we propose a physical attack method against infrared detectors based on 3D modeling, which is applied to a real car. The goal is to design a set of infrared adversarial stickers to make cars invisible to infrared detectors at various viewing angles, distances, and scenes. We build a 3D infrared car model with real infrared characteristics and propose an infrared adversarial pattern generation method based on 3D mesh shadow. We propose a 3D control points-based mesh smoothing algorithm and use a set of smoothness loss functions to enhance the smoothness of adversarial meshes and facilitate the sticker implementation. Besides, We designed the aluminum stickers and conducted physical experiments on two real Mercedes-Benz A200L cars. Our adversarial stickers hid the cars from Faster RCNN, an object detector, at various viewing angles, distances, and scenes. The attack success rate (ASR) was 91.49% for real cars. In comparison, the ASRs of random stickers and no sticker were only 6.21% and 0.66%, respectively. In addition, the ASRs of the designed stickers against six unseen object detectors such as YOLOv3 and Deformable DETR were between 73.35%-95.80%, showing good transferability of the attack performance across detectors.
Abstract（参考訳）: 自動走行など、私たちの生活で広く使われている赤外線AIシステムのセキュリティを研究する上で、赤外線物理的敵の例は非常に重要である。これまでの赤外線物理的攻撃は主に2Dの赤外線歩行者検出に焦点を当てており、AIシステムに対する破壊性を十分に示していない可能性がある。本研究では,実車に適用した3次元モデリングに基づく赤外線検出器に対する物理的攻撃手法を提案する。目標は、赤外線対向ステッカーのセットを設計し、さまざまな視角、距離、シーンで赤外線検出器に見えないようにすることだ。実際の赤外特性を持つ3次元赤外車モデルを構築し、3次元メッシュシャドウに基づく赤外対向パターン生成法を提案する。本稿では,3次元制御点に基づくメッシュ平滑化アルゴリズムを提案する。さらに,アルミニウムステッカーを設計し,実車2両のメルセデス・ベンツ A200Lの物理的実験を行った。敵のステッカーは、物体検知器であるFaster RCNNから様々な視角、距離、シーンに車を隠す。攻撃成功率(ASR)は実車に対して91.49%であった。一方、ランダムステッカーのASRは6.21%、ステッカーは0.66%であった。さらに、YOLOv3やDeformable DETRのような6つの未確認物体検出器に対するステッカーのASRは73.35%-95.80%であり、検出器間の攻撃性能の良好な伝達性を示している。

関連論文リスト

Invisible Reflections: Leveraging Infrared Laser Reflections to Target Traffic Sign Perception [25.566091959509986]
道路標識は、速度制限や利得または停止の要件など、局所的に活発な規則を示す。最近の研究は、標識にステッカーや投影された色のパッチを加えるなど、CAVの誤解釈を引き起こすような攻撃を実証している。我々は、フィルタレス画像センサの感度を利用した効果的な物理世界攻撃を開発した。
論文参考訳（メタデータ） (2024-01-07T21:22:42Z)
Unified Adversarial Patch for Cross-modal Attacks in the Physical World [11.24237636482709]
単一パッチにより同時に可視・近赤外物体検出装置を騙すための一元対向パッチを提案する。可視・赤外線センサの異なるイメージング機構を考慮すると、我々の研究は対向パッチの形状をモデル化することに集中している。その結果、我々の統一パッチは、それぞれ73.33%と69.17%のアタック成功率(ASR)を達成した。
論文参考訳（メタデータ） (2023-07-15T17:45:17Z)
Physically Adversarial Infrared Patches with Learnable Shapes and Locations [1.1172382217477126]
逆赤外パッチ(adversarial infrared patch)と呼ばれる物理的に実現可能な赤外線攻撃法を提案する。対象物の熱放射を捉えた赤外線カメラの撮像機構を考慮すると、対向的赤外線パッチは対象物に熱絶縁材料のパッチを取り付け、その熱分布を制御して攻撃を行う。我々は、様々な物体検出タスクにおいて、様々な物体検出タスクにおいて、逆赤外線パッチを検証する。
論文参考訳（メタデータ） (2023-03-24T09:11:36Z)
Far3Det: Towards Far-Field 3D Detection [67.38417186733487]
我々は、観測者から一定の距離を超える物体の遠距離3次元検出(Far3Det)の課題に焦点を当てる。 Far3Detは高速道路で動く自動運転車(AV)にとって特に重要である。我々は,nuScenesデータセットからよく注釈付きシーンを抽出し,十分に注釈付き遠距離フィールド検証セットを導出する手法を開発した。 Far3Detの評価プロトコルを提案し,Far3Detの様々な3次元検出手法を提案する。
論文参考訳（メタデータ） (2022-11-25T02:07:57Z)
NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving [57.03126447713602]
本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
論文参考訳（メタデータ） (2022-09-29T01:30:34Z)
Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
3D MOT問題に対する統一型学習型アプローチを提案します。我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
論文参考訳（メタデータ） (2021-04-23T17:59:28Z)
Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文参考訳（メタデータ） (2021-03-26T01:18:11Z)
Fooling thermal infrared pedestrian detectors in real world using small bulbs [21.79185446638658]
本研究では,基板上に小さな電球を配置した物理攻撃法を提案する。私たちの目標は、赤外線歩行者検出器が現実世界の歩行者を検知できないようにすることです。
論文参考訳（メタデータ） (2021-01-20T14:26:09Z)
Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
論文参考訳（メタデータ） (2020-04-01T16:11:04Z)
Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。