論文の概要: Adversarial 3D Virtual Patches using Integrated Gradients

• arxiv url: http://arxiv.org/abs/2406.00282v1
• Date: Sat, 1 Jun 2024 03:25:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 07:54:19.361676
• Title: Adversarial 3D Virtual Patches using Integrated Gradients
• Title（参考訳）: 積分勾配を用いた3次元仮想パッチ
• Authors: Chengzeng You, Zhongyuan Hau, Binbin Xu, Soteris Demetriou,
• Abstract要約: これまでの研究では、LiDAR信号は3Dオブジェクト検出器から実際の物体を隠すために密封されていることが示されている。 本研究は, 新たな対象隠蔽戦略により, 必要なスプーフ面積を減らすことの実現可能性について検討した。
• 参考スコア（独自算出の注目度）: 4.081098869497239
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LiDAR sensors are widely used in autonomous vehicles to better perceive the environment. However, prior works have shown that LiDAR signals can be spoofed to hide real objects from 3D object detectors. This study explores the feasibility of reducing the required spoofing area through a novel object-hiding strategy based on virtual patches (VPs). We first manually design VPs (MVPs) and show that VP-focused attacks can achieve similar success rates with prior work but with a fraction of the required spoofing area. Then we design a framework Saliency-LiDAR (SALL), which can identify critical regions for LiDAR objects using Integrated Gradients. VPs crafted on critical regions (CVPs) reduce object detection recall by at least 15% compared to our baseline with an approximate 50% reduction in the spoofing area for vehicles of average size.
• Abstract（参考訳）: LiDARセンサーは、環境をよりよく知覚するために自動運転車で広く使われている。 しかし、以前の研究では、LiDAR信号は3Dオブジェクト検出器から実際の物体を隠すために密封されていることが示されている。 本研究では,仮想パッチ(VP)に基づく新たなオブジェクト隠蔽戦略により,必要なスプーフィング面積を減らすことの実現可能性について検討した。 まず最初に、VP(MVP)を手動で設計し、VP中心の攻撃が、以前の作業と同じような成功率を得るが、必要なスプーフィング領域のごく一部で達成できることを示します。 次に,SALL(Saliency-LiDAR)フレームワークを設計し,LiDARオブジェクトの重要な領域を統合勾配を用いて識別する。 臨界領域(CVP)を利用するVPは、平均サイズの車両のスプーフィング面積をおよそ50%減らすことで、私たちのベースラインと比較して、オブジェクト検出リコールを少なくとも15%削減する。

関連論文リスト

• Find n' Propagate: Open-Vocabulary 3D Object Detection in Urban Environments [67.83787474506073]
  我々は,現在のLiDARに基づく3Dオブジェクト検出システムの限界に対処する。 本稿では,3次元OVタスクに対する汎用textscFind n' Propagate アプローチを提案する。 我々は、新しいオブジェクトクラスに対する平均精度(AP)を最大3.97倍に向上させる。
  論文  参考訳（メタデータ） (2024-03-20T12:51:30Z)
• Detect Everything with Few Examples [25.312020775388746]
  少数のオブジェクト検出は、いくつかのサンプル画像から新しいカテゴリを検出することを目的としている。 近年の手法は、より広範な適用を禁じる複雑な手順による微調整戦略に重点を置いている。 我々は、微調整を必要とせず、数発の物体検出器であるDE-ViTを導入する。
  論文  参考訳（メタデータ） (2023-09-22T16:07:16Z)
• MAELi: Masked Autoencoder for Large-Scale LiDAR Point Clouds [13.426810473131642]
  Masked AutoEncoder for LiDAR Point clouds (MAELi) は、復元中にエンコーダとデコーダの両方でLiDARポイントクラウドの空間性を直感的に活用する。 新たな再構築アプローチでは、MAELiは空空間と隠された空間を区別する。 これにより、MAELiは基礎となる3次元シーンの幾何学と意味論の理解を得る。
  論文  参考訳（メタデータ） (2022-12-14T13:10:27Z)
• Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
  FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。 標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
  論文  参考訳（メタデータ） (2022-05-27T05:42:16Z)
• LiDAR Distillation: Bridging the Beam-Induced Domain Gap for 3D Object Detection [96.63947479020631]
  多くの現実世界の応用において、大量生産されたロボットや車両が使用するLiDARポイントは通常、大規模な公開データセットよりもビームが少ない。 異なるLiDARビームによって誘導される領域ギャップをブリッジして3次元物体検出を行うLiDAR蒸留法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T17:59:02Z)
• Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
  自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。 多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。 本稿では,SST(Single-stride Sparse Transformer)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T02:12:02Z)
• SPG: Unsupervised Domain Adaptation for 3D Object Detection via Semantic Point Generation [28.372067223801203]
  自律走行では、LiDARをベースとした物体検出器は、異なる地理的位置と様々な気象条件下で確実に動作すべきである。 最近の3D検出研究は、単一のドメイン内での性能向上に重点を置いているが、現代の検出器の性能が劇的にクロスドメインに落ちてしまうことは明らかである。 ドメインシフトに対するLiDAR検出器の信頼性を高めるための一般的なアプローチであるセマンティックポイント生成(SPG)を提案する。
  論文  参考訳（メタデータ） (2021-08-15T10:00:39Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• Object Removal Attacks on LiDAR-based 3D Object Detectors [6.263478017242508]
  オブジェクト除去攻撃(ORAs)は、3Dオブジェクト検出器を失敗させることを目的としている。 関心領域の摂動点雲に対して、1方向に1つの戻り信号を記録するLiDARのデフォルト設定を利用する。 その結果,この攻撃は一般的な3次元物体検出モデルの性能低下に有効であることがわかった。
  論文  参考訳（メタデータ） (2021-02-07T05:34:14Z)

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。