Fugu-MT 論文翻訳(概要): Universal Multi-view Black-box Attack against Object Detectors via Layout Optimization

論文の概要: Universal Multi-view Black-box Attack against Object Detectors via Layout Optimization

arxiv url: http://arxiv.org/abs/2407.06688v1
Date: Tue, 9 Jul 2024 09:02:19 GMT
ステータス: 処理完了
システム内更新日: 2024-07-10 18:36:32.246122
Title: Universal Multi-view Black-box Attack against Object Detectors via Layout Optimization
Title（参考訳）: レイアウト最適化によるオブジェクト検出器に対するユニバーサルマルチビューブラックボックス攻撃
Authors: Donghua Wang, Wen Yao, Tingsong Jiang, Chao Li, Xiaoqian Chen,
Abstract要約: そこで本研究では,オブジェクト検出器に対する汎用マルチビューブラックボックス攻撃を提案する。設計したレイアウト最適化アルゴリズムを用いて,複数の画像ステッカーによって構築された普遍的対向UVテクスチャを3次元オブジェクトに対して最適化する。 4つの共通物体検出器による実験により、マルチビューのシナリオでは、検出性能が平均74.29%低下することが示唆された。
参考スコア（独自算出の注目度）: 8.793452189040636
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Object detectors have demonstrated vulnerability to adversarial examples crafted by small perturbations that can deceive the object detector. Existing adversarial attacks mainly focus on white-box attacks and are merely valid at a specific viewpoint, while the universal multi-view black-box attack is less explored, limiting their generalization in practice. In this paper, we propose a novel universal multi-view black-box attack against object detectors, which optimizes a universal adversarial UV texture constructed by multiple image stickers for a 3D object via the designed layout optimization algorithm. Specifically, we treat the placement of image stickers on the UV texture as a circle-based layout optimization problem, whose objective is to find the optimal circle layout filled with image stickers so that it can deceive the object detector under the multi-view scenario. To ensure reasonable placement of image stickers, two constraints are elaborately devised. To optimize the layout, we adopt the random search algorithm enhanced by the devised important-aware selection strategy to find the most appropriate image sticker for each circle from the image sticker pools. Extensive experiments conducted on four common object detectors suggested that the detection performance decreases by a large magnitude of 74.29% on average in multi-view scenarios. Additionally, a novel evaluation tool based on the photo-realistic simulator is designed to assess the texture-based attack fairly.
Abstract（参考訳）: 物体検出器は、物体検出器を欺く小さな摂動によって作られた敵の例に対する脆弱性を実証している。既存の敵攻撃は、主にホワイトボックス攻撃に焦点をあて、特定の視点でのみ有効であるが、普遍的なマルチビューブラックボックス攻撃は調査されていないため、実際には一般化が制限されている。本稿では,設計したレイアウト最適化アルゴリズムを用いて,複数画像ステッカーによって構築された汎用対向UVテクスチャを最適化する,オブジェクト検出器に対する汎用マルチビューブラックボックス攻撃を提案する。具体的には、UVテクスチャ上の画像ステッカーの配置を円ベースのレイアウト最適化問題として扱い、その目的は、画像ステッカーで満たされた最適な円配置を見つけることである。画像ステッカーの適切な配置を保証するため、2つの制約を精巧に考案する。レイアウトを最適化するために、設計した重要認識選択戦略によって強化されたランダム検索アルゴリズムを採用し、画像ステッカープールから各円に対して最適な画像ステッカーを求める。 4つの共通物体検出器で実施された大規模な実験により、マルチビューのシナリオでは、検出性能が平均74.29%低下することが示唆された。さらに、テクスチャベースの攻撃を公平に評価するために、フォトリアリスティックシミュレータに基づく新しい評価ツールが設計されている。

関連論文リスト

ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
論文参考訳（メタデータ） (2023-10-31T06:11:23Z)
To Make Yourself Invisible with Adversarial Semantic Contours [47.755808439588094]
逆セマンティック・コンター(英: Adversarial Semantic Contour、ASC)は、物体の輪郭の前に騙されたスパース・アタックのベイズ的定式化の見積もりである。 ASCは、異なるアーキテクチャを持つ9つの近代検出器の予測を損なう可能性があることを示す。我々は、様々なアーキテクチャを持つ物体検出器の共通弱点である輪郭について注意を払って結論付けた。
論文参考訳（メタデータ） (2023-03-01T07:22:39Z)
GLOW: Global Layout Aware Attacks for Object Detection [27.46902978168904]
敵攻撃は、予測器が誤った結果を出力するような摂動画像を狙う。本稿では,グローバルなレイアウト認識型敵攻撃を発生させることにより,様々な攻撃要求に対処するアプローチを提案する。実験では,複数種類の攻撃要求を設計し,MS検証セット上でのアイデアの検証を行う。
論文参考訳（メタデータ） (2023-02-27T22:01:34Z)
Object-Attentional Untargeted Adversarial Attack [11.800889173823945]
本研究では,標的外攻撃に対する対象意図的攻撃法を提案する。具体的には、まず、対象検出領域をYOLOv4からHVPNetから有能な対象検出領域と交差させてオブジェクト領域を生成する。次に,SimBA(Simple Black-box Adversarial Attack)を利用して,検出対象領域に対してのみ敵攻撃を行う。
論文参考訳（メタデータ） (2022-10-16T07:45:13Z)
High-resolution Iterative Feedback Network for Camouflaged Object Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文参考訳（メタデータ） (2022-03-22T11:20:21Z)
Parallel Rectangle Flip Attack: A Query-based Black-box Attack against Object Detection [89.08832589750003]
本稿では,攻撃領域近傍の準最適検出を回避するために,ランダム探索による並列矩形フリップ攻撃(PRFA)を提案する。提案手法は, アンカーベースやアンカーフリーなど, 様々な人気物体検出装置を効果的かつ効率的に攻撃し, 転送可能な対向例を生成する。
論文参考訳（メタデータ） (2022-01-22T06:00:17Z)
Context-Aware Transfer Attacks for Object Detection [51.65308857232767]
本稿では,オブジェクト検出のためのコンテキスト認識攻撃を新たに生成する手法を提案する。オブジェクトとその相対的な位置と大きさの共起をコンテキスト情報として利用することにより、ターゲットの誤分類攻撃をうまく生成できることを示す。
論文参考訳（メタデータ） (2021-12-06T18:26:39Z)
A Simple and Effective Use of Object-Centric Images for Long-Tailed Object Detection [56.82077636126353]
シーン中心画像における物体検出を改善するために,物体中心画像を活用する。私たちは、シンプルで驚くほど効果的なフレームワークを提示します。我々の手法は、レアオブジェクトのオブジェクト検出(およびインスタンスセグメンテーション)の精度を相対的に50%(および33%)向上させることができる。
論文参考訳（メタデータ） (2021-02-17T17:27:21Z)
Addressing Visual Search in Open and Closed Set Settings [8.928169373673777]
低解像度ギスト画像から画素レベルのオブジェクト性を予測する手法を提案する。次に,高分解能で局所的にオブジェクト検出を行う領域を選択する。第二に、未確認の可能性のある対象クラスの全てのインスタンスを探索するオープンセットビジュアルサーチの新しい手法を提案する。
論文参考訳（メタデータ） (2020-12-11T17:21:28Z)
A Black-box Adversarial Attack Strategy with Adjustable Sparsity and Generalizability for Deep Image Classifiers [16.951363298896638]
ブラックボックスの逆転摂動は現実世界のアプリケーションにとってより実用的である。本稿では,有効普遍画素制限摂動を構成するためのDceitアルゴリズムを提案する。 Deceitを用いた画像の摂動は,約10%の画素しか持たないことが判明した。
論文参考訳（メタデータ） (2020-04-24T19:42:00Z)

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。