論文の概要: TrackPGD: A White-box Attack using Binary Masks against Robust Transformer Trackers

• arxiv url: http://arxiv.org/abs/2407.03946v1
• Date: Thu, 4 Jul 2024 14:02:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-08 17:43:28.704556
• Title: TrackPGD: A White-box Attack using Binary Masks against Robust Transformer Trackers
• Title（参考訳）: TrackPGD:ロバスト変圧器トラッカーに対するバイナリマスクを用いたホワイトボックス攻撃
• Authors: Fatemeh Nourilenjan Nokabadi, Yann Batiste Pequignot, Jean-Francois Lalonde, Christian Gagné,
• Abstract要約: トランスフォーマーバックボーンを持つオブジェクトトラッカーは、ビジュアルオブジェクト追跡データセットで堅牢なパフォーマンスを達成した。 バックボーンの違いにより、対象追跡のために提案された敵対的ホワイトボックス攻撃は、あらゆる種類のトラッカーに転送できない。 我々は,ロバストなトランスフォーマートラッカーを攻撃するために,予測対象のバイナリマスクに依存するTrackPGDという新しいホワイトボックス攻撃を提案している。
• 参考スコア（独自算出の注目度）: 6.115755665318123
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Object trackers with transformer backbones have achieved robust performance on visual object tracking datasets. However, the adversarial robustness of these trackers has not been well studied in the literature. Due to the backbone differences, the adversarial white-box attacks proposed for object tracking are not transferable to all types of trackers. For instance, transformer trackers such as MixFormerM still function well after black-box attacks, especially in predicting the object binary masks. We are proposing a novel white-box attack named TrackPGD, which relies on the predicted object binary mask to attack the robust transformer trackers. That new attack focuses on annotation masks by adapting the well-known SegPGD segmentation attack, allowing to successfully conduct the white-box attack on trackers relying on transformer backbones. The experimental results indicate that the TrackPGD is able to effectively attack transformer-based trackers such as MixFormerM, OSTrackSTS, and TransT-SEG on several tracking datasets.
• Abstract（参考訳）: トランスフォーマーバックボーンを持つオブジェクトトラッカーは、ビジュアルオブジェクト追跡データセットで堅牢なパフォーマンスを達成した。 しかし、これらのトラッカーの対角的堅牢性は文献ではあまり研究されていない。 バックボーンの違いにより、対象追跡のために提案された敵のホワイトボックス攻撃は、あらゆる種類のトラッカーに転送できない。 例えば、MixFormerMのようなトランスフォーマートラッカーは、ブラックボックス攻撃、特にオブジェクトのバイナリマスクの予測において、依然としてうまく機能している。 我々は,ロバストなトランスフォーマートラッカーを攻撃するために,予測対象のバイナリマスクに依存するTrackPGDという新しいホワイトボックス攻撃を提案している。 この新たな攻撃は、よく知られたSegPGDセグメンテーションアタックを適用することで、アノテーションマスクに焦点を当て、トランスフォーマーバックボーンに依存するトラッカーに対するホワイトボックスアタックを成功させる。 実験結果から,TrackPGDは,MixFormerM,OSTrackSTS,TransT-SEGなどのトランスフォーマーベースのトラッカーを,複数のトラッキングデータセット上で効果的に攻撃可能であることが示唆された。

関連論文リスト

• Adversarial Bounding Boxes Generation (ABBG) Attack against Visual Object Trackers [6.6810237114686615]
  敵対的摂動は、ニューラルネットワークを騙して不正確な結果を予測することを目的としている。 ビジュアルオブジェクトトラッカーでは、出力を操作することで摂動を発生させる敵攻撃が開発されている。 本稿では,1つのバウンディングボックスのみを用いて,トランスフォーマーバックボーンを用いた視覚オブジェクトトラッカーを攻撃するための,新しいホワイトボックス手法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T14:30:36Z)
• Reproducibility Study on Adversarial Attacks Against Robust Transformer Trackers [18.615714086028632]
  新しいトランスフォーマーネットワークはオブジェクトトラッキングパイプラインに統合され、最新のベンチマークで強いパフォーマンスを示している。 本稿では, 逆攻撃におけるトランスフォーマートラッカーの挙動と, パラメータの変化に伴うデータセットの追跡において, 異なる攻撃がどう作用するかを理解することに焦点を当てる。
  論文  参考訳（メタデータ） (2024-06-03T20:13:38Z)
• AViTMP: A Tracking-Specific Transformer for Single-Branch Visual Tracking [17.133735660335343]
  本稿では,AViTMP(Adaptive ViT Model Prediction Tracker)を提案する。 この方法は、初めて識別モデルで単一ブランチネットワークをブリッジする。 AViTMPは、特に長期追跡とロバスト性の観点から、最先端のパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2023-10-30T13:48:04Z)
• Efficient Visual Tracking with Exemplar Transformers [98.62550635320514]
  本稿では,リアルタイム物体追跡のための効率的な変換器であるExemplar Transformerを紹介する。 Exemplar Transformerレイヤを組み込んだビジュアルトラッカーであるE.T.Trackは、CPU上で47fpsで動作する。 これは、他のトランスモデルよりも最大8倍高速である。
  論文  参考訳（メタデータ） (2021-12-17T18:57:54Z)
• Tracklet-Switch Adversarial Attack against Pedestrian Multi-Object Tracking Trackers [14.135239008740173]
  マルチオブジェクト追跡(MOT)の完全追跡パイプラインに対して,トラックレットスイッチ(TraSw)と呼ばれる新たな逆攻撃手法を提案する。 実験の結果、TraSwは平均して4フレームしか攻撃せず、95%以上の成功率を極端に達成できることがわかった。
  論文  参考訳（メタデータ） (2021-11-17T07:53:45Z)
• IoU Attack: Towards Temporally Coherent Black-Box Adversarial Attack for Visual Object Tracking [70.14487738649373]
  アドリア攻撃は、深いニューラルネットワークが、知覚不能な摂動によって注入された入力サンプルを知覚する脆弱性によって起こる。 視覚的物体追跡のための決定に基づくブラックボックス攻撃法を提案する。 我々は、最先端のディープトラッカーに対するIoU攻撃を検証した。
  論文  参考訳（メタデータ） (2021-03-27T16:20:32Z)
• Track to Detect and Segment: An Online Multi-Object Tracker [81.15608245513208]
  TraDeSは、エンドツーエンドの検出を支援するために追跡の手がかりを利用するオンライン共同検出および追跡モデルです。 TraDeSは、以前のオブジェクトの機能を伝播するために使用されるコストボリュームでオブジェクト追跡オフセットを推測します。
  論文  参考訳（メタデータ） (2021-03-16T02:34:06Z)
• TrackFormer: Multi-Object Tracking with Transformers [92.25832593088421]
  TrackFormerはエンコーダデコーダトランスフォーマーアーキテクチャに基づくエンドツーエンドのマルチオブジェクトトラッキングおよびセグメンテーションモデルです。 新しいトラッククエリはDETRオブジェクト検出器によって生成され、時間とともに対応するオブジェクトの位置を埋め込む。 trackformerは新しいトラッキング・バイ・アテンションパラダイムでフレーム間のシームレスなデータ関連付けを実現する。
  論文  参考訳（メタデータ） (2021-01-07T18:59:29Z)
• Efficient Adversarial Attacks for Visual Object Tracking [73.43180372379594]
  本稿では,新たなドリフト損失と組込み機能損失を併用して,シームズネットワークベースのトラッカーを攻撃するエンド・ツー・エンド・エンド・ネットワークFANを提案する。 単一のGPUの下では、FANはトレーニング速度が効率的で、強力な攻撃性能を持つ。
  論文  参考訳（メタデータ） (2020-08-01T08:47:58Z)
• Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises [87.53808756910452]
  The method is proposed to deceive-of-the-the-art SiameseRPN-based tracker。 本手法は転送性に優れ,DaSiamRPN,DaSiamRPN-UpdateNet,DiMPなどの他のトップパフォーマンストラッカーを騙すことができる。
  論文  参考訳（メタデータ） (2020-03-21T07:13:40Z)

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。