Fugu-MT 論文翻訳(概要): Adversarial Patch for 3D Local Feature Extractor

論文の概要: Adversarial Patch for 3D Local Feature Extractor

arxiv url: http://arxiv.org/abs/2406.08102v1
Date: Wed, 12 Jun 2024 11:31:18 GMT
ステータス: 処理完了
システム内更新日: 2024-06-13 17:15:13.617814
Title: Adversarial Patch for 3D Local Feature Extractor
Title（参考訳）: 3次元局所特徴エクストラクタの逆パッチ
Authors: Yu Wen Pao, Li Chang Lai, Hong-Yi Lin,
Abstract要約: ローカル特徴抽出器は多くのコンピュータビジョンタスクの基盤となっている。本稿では,2つの目標を達成するために,洗練された局所特徴抽出アルゴリズムとモデルを攻撃するアプローチについて論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Local feature extractors are the cornerstone of many computer vision tasks. However, their vulnerability to adversarial attacks can significantly compromise their effectiveness. This paper discusses approaches to attack sophisticated local feature extraction algorithms and models to achieve two distinct goals: (1) forcing a match between originally non-matching image regions, and (2) preventing a match between originally matching regions. At the end of the paper, we discuss the performance and drawbacks of different patch generation methods.
Abstract（参考訳）: ローカル特徴抽出器は多くのコンピュータビジョンタスクの基盤となっている。しかし、敵の攻撃に対する脆弱性は、その効果を著しく損なう可能性がある。本稿では,(1)非マッチング画像領域間のマッチングを強制すること,(2)元のマッチング画像領域間のマッチングを阻止すること,の2つの目標を達成するために,洗練された局所特徴抽出アルゴリズムとモデルを攻撃するアプローチについて議論する。論文の最後には、異なるパッチ生成手法の性能と欠点について論じる。

関連論文リスト

Improving Adversarial Robustness via Decoupled Visual Representation Masking [65.73203518658224]
本稿では,特徴分布の観点から,ロバストな特徴の2つの新しい特性を強調した。現状の防衛手法は、上記の2つの問題にうまく対処することを目的としている。具体的には、分離された視覚的表現マスキングに基づく、シンプルだが効果的な防御法を提案する。
論文参考訳（メタデータ） (2024-06-16T13:29:41Z)
ODDR: Outlier Detection & Dimension Reduction Based Defense Against Adversarial Patches [4.672978217020929]
敵対的攻撃は、機械学習モデルの信頼性使用に対する大きな抑止力である。本稿では,パッチベースの敵攻撃を効果的に軽減するための総合防御機構である,アウトリア検出・次元削減(ODDR)を導入する。 ODDRはフラグメンテーション、分離、中立化という3段階のパイプラインを採用しており、画像分類とオブジェクト検出の両方に適用されるモデルに依存しないソリューションを提供する。
論文参考訳（メタデータ） (2023-11-20T11:08:06Z)
Defending Adversarial Patches via Joint Region Localizing and Inpainting [16.226410937026685]
様々な敵パッチ攻撃に対して,交通標識の分類と検出を行う一連の実験を行った。入力サンプルを前処理するための「局所化・塗装」機構に基づく新しい防衛手法を提案する。
論文参考訳（メタデータ） (2023-07-26T15:11:51Z)
Distributional Modeling for Location-Aware Adversarial Patches [28.466804363780557]
Distribution-d Adversarial Patch (DOPatch) は, 対向位置のマルチモーダル分布を最適化する新しい手法である。 DOPatchは、敵位置の分布を特徴付けることで、多様な敵サンプルを生成することができる。顔認識および画像認識タスクにおけるDOPatchの評価を行い、既存の手法よりも優れた性能と効率性を示す。
論文参考訳（メタデータ） (2023-06-28T12:01:50Z)
Leveraging Local Patch Differences in Multi-Object Scenes for Generative Adversarial Attacks [48.66027897216473]
マルチオブジェクト(複数支配対象)画像を用いた対向的摂動を生成するための,より実践的な問題に取り組む。本稿では,複数場面の特徴空間における特徴空間の局所的差を利用した新たな生成的攻撃(ローカルパッチ差(LPD-Attack))を提案する。提案手法は, 異なるホワイトボックスとブラックボックスの設定で評価した場合, 非常に伝達性の高い摂動を伴うベースライン生成攻撃よりも優れる。
論文参考訳（メタデータ） (2022-09-20T17:36:32Z)
Feasibility of Inconspicuous GAN-generated Adversarial Patches against Object Detection [3.395452700023097]
本研究では,不明瞭なパッチを生成する既存のアプローチを評価した。我々は、GANトレーニングプロセスにパッチ生成を組み込むことと、事前訓練したGANを使用することで、自然主義的パッチを生成する2つのアプローチを評価した。実験の結果,事前学習したGANは,従来の対向パッチと同様の性能を維持しつつ,現実的なパッチの獲得に役立つことがわかった。
論文参考訳（メタデータ） (2022-07-15T08:48:40Z)
On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving [59.33715889581687]
現実世界の敵対的な例(通常はパッチの形で)の存在は、安全クリティカルなコンピュータビジョンタスクにおけるディープラーニングモデルの使用に深刻な脅威をもたらす。本稿では,異なる種類の対立パッチを攻撃した場合のセマンティックセグメンテーションモデルのロバスト性を評価する。画素の誤分類を誘導する攻撃者の能力を改善するために, 新たな損失関数を提案する。
論文参考訳（メタデータ） (2022-01-05T22:33:43Z)
Quality-aware Part Models for Occluded Person Re-identification [77.24920810798505]
咬合は人体再識別(ReID)にとって大きな課題となる既存のアプローチは一般的に、計算効率とReIDの精度の両面で最適であるように、目に見える身体の部品を推測するための外部ツールに依存している。閉塞型ReIDのためのQPM(Quality-Aware Part Models)という新しい手法を提案する。
論文参考訳（メタデータ） (2022-01-01T03:51:09Z)
Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition [56.11054589916299]
本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
論文参考訳（メタデータ） (2020-05-12T20:42:55Z)
Multi-View Optimization of Local Feature Geometry [70.18863787469805]
本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
論文参考訳（メタデータ） (2020-03-18T17:22:11Z)

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。