Fugu-MT 論文翻訳(概要): Optical Lens Attack on Deep Learning Based Monocular Depth Estimation

論文の概要: Optical Lens Attack on Deep Learning Based Monocular Depth Estimation

arxiv url: http://arxiv.org/abs/2409.17376v1
Date: Wed, 25 Sep 2024 21:44:14 GMT
ステータス: 処理完了
システム内更新日: 2024-09-30 11:54:28.946787
Title: Optical Lens Attack on Deep Learning Based Monocular Depth Estimation
Title（参考訳）: 深部学習に基づく単眼深度推定における光学レンズ攻撃
Authors: Ce Zhou, Qiben Yan, Daniel Kent, Guangjing Wang, Ziqi Zhang, Hayder Radha,
Abstract要約: LensAttackは、自動運転車のカメラに光学レンズを戦略的に配置する物理的な攻撃だ。我々は,この攻撃をシミュレートし,運転シナリオにおける実環境性能を評価し,その影響を最先端のMDEモデルに示す。
参考スコア（独自算出の注目度）: 12.91903197852097
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Monocular Depth Estimation (MDE) plays a crucial role in vision-based Autonomous Driving (AD) systems. It utilizes a single-camera image to determine the depth of objects, facilitating driving decisions such as braking a few meters in front of a detected obstacle or changing lanes to avoid collision. In this paper, we investigate the security risks associated with monocular vision-based depth estimation algorithms utilized by AD systems. By exploiting the vulnerabilities of MDE and the principles of optical lenses, we introduce LensAttack, a physical attack that involves strategically placing optical lenses on the camera of an autonomous vehicle to manipulate the perceived object depths. LensAttack encompasses two attack formats: concave lens attack and convex lens attack, each utilizing different optical lenses to induce false depth perception. We begin by constructing a mathematical model of our attack, incorporating various attack parameters. Subsequently, we simulate the attack and evaluate its real-world performance in driving scenarios to demonstrate its effect on state-of-the-art MDE models. The results highlight the significant impact of LensAttack on the accuracy of depth estimation in AD systems.
Abstract（参考訳）: 単眼深度推定(MDE)は視覚に基づく自律運転(AD)システムにおいて重要な役割を果たす。単一カメラで物体の深さを判定し、検出された障害物の前で数メートル先をブレーキしたり、衝突を避けるために車線を変更したりといった運転決定を容易にする。本稿では,ADシステムを用いた単眼視による深度推定アルゴリズムに関連するセキュリティリスクについて検討する。 MDEの脆弱性と光学レンズの原理を活用することで、自動運転車のカメラに光学レンズを戦略的に配置し、知覚された物体深度を操作する物理的な攻撃であるLensAttackを導入する。 LensAttackには、凹凸レンズアタックと凸レンズアタックの2つの攻撃形式がある。まず、攻撃の数学的モデルを構築し、様々な攻撃パラメータを組み込むことから始める。続いて,攻撃シミュレーションを行い,運転シナリオにおける実環境性能の評価を行い,その影響を最先端のMDEモデルに示す。その結果,ADシステムの深さ推定精度に対するLensAttackの影響が顕著となった。

関連論文リスト

Optical Lens Attack on Monocular Depth Estimation for Autonomous Driving [12.302132670292316]
LensAttackは、自動運転車のカメラに光学レンズを戦略的に配置して、知覚された物体の深さを操作する物理的な攻撃だ。まず、攻撃のパラメータを概説する数学的モデルを構築し、続いてシミュレーションと実世界の評価を行い、その有効性を最先端のMDEモデルで評価する。その結果、LensAttackはADシステムの深度推定プロセスを著しく破壊し、信頼性と安全性に深刻な脅威をもたらすことが明らかとなった。
論文参考訳（メタデータ） (2024-10-31T20:23:27Z)
MonoTDP: Twin Depth Perception for Monocular 3D Object Detection in Adverse Scenes [49.21187418886508]
本論文は,モノTDP(MonoTDP)と呼ばれる悪シーンにおける2つの深度を知覚するモノクル3次元検出モデルを提案する。まず、制御不能な気象条件を扱うモデルを支援するための適応学習戦略を導入し、様々な劣化要因による劣化を著しく抑制する。そこで本研究では, シーン深度と物体深度を同時に推定する新たな2つの深度認識モジュールを提案する。
論文参考訳（メタデータ） (2023-05-18T13:42:02Z)
Fully Self-Supervised Depth Estimation from Defocus Clue [79.63579768496159]
スパース焦点スタックから深度を純粋に推定する自己教師型フレームワークを提案する。筆者らのフレームワークは,深度とAIF画像の接地構造の必要性を回避し,より優れた予測を得られることを示す。
論文参考訳（メタデータ） (2023-03-19T19:59:48Z)
Image Masking for Robust Self-Supervised Monocular Depth Estimation [12.435468563991174]
自己教師付き単眼深度推定は3次元シーン理解のための健全なタスクである。自己教師付き単眼深度推定にマスク付き画像モデリングを適用するMIMDepthを提案する。
論文参考訳（メタデータ） (2022-10-05T15:57:53Z)
Physical Attack on Monocular Depth Estimation with Optimal Adversarial Patches [18.58673451901394]
我々は学習に基づく単眼深度推定(MDE)に対する攻撃を開発する。我々は,攻撃のステルス性と有効性を,オブジェクト指向の対角設計,感度領域の局所化,自然スタイルのカモフラージュとバランスさせる。実験結果から,本手法は,異なる対象オブジェクトやモデルに対して,ステルス性,有効,堅牢な逆パッチを生成できることが示唆された。
論文参考訳（メタデータ） (2022-07-11T08:59:09Z)
Towards Scale-Aware, Robust, and Generalizable Unsupervised Monocular Depth Estimation by Integrating IMU Motion Dynamics [74.1720528573331]
教師なし単眼深度と自我運動推定は近年広く研究されている。我々は、視覚情報とIMUモーションダイナミクスを統合した新しいスケールアウェアフレームワークDynaDepthを提案する。我々は、KITTIおよびMake3Dデータセット上で広範囲な実験とシミュレーションを行うことにより、DynaDepthの有効性を検証する。
論文参考訳（メタデータ） (2022-07-11T07:50:22Z)
Attentive and Contrastive Learning for Joint Depth and Motion Field Estimation [76.58256020932312]
単眼視システムからシーンの3次元構造とともにカメラの動きを推定することは複雑な作業である。モノクロ映像からの3次元物体運動場推定のための自己教師付き学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-10-13T16:45:01Z)
Unsupervised Monocular Depth Perception: Focusing on Moving Objects [5.489557739480878]
本稿では,光度誤差を意図的に操作することで,効率よく困難に対処できることを示す。まず、光学誤差マップにおいて、隠蔽または動的画素を統計的外れ値として考慮した外れ値マスキング手法を提案する。外部マスキングにより、ネットワークはカメラと反対方向に移動する物体の深さをより正確に学習する。
論文参考訳（メタデータ） (2021-08-30T08:45:02Z)
Invisible for both Camera and LiDAR: Security of Multi-Sensor Fusion based Perception in Autonomous Driving Under Physical-World Attacks [62.923992740383966]
本稿では,MDFに基づくADシステムにおけるセキュリティ問題の最初の研究について述べる。物理的に実現可能な逆3Dプリントオブジェクトを生成し、ADシステムが検出に失敗してクラッシュする。以上の結果から,攻撃は様々なオブジェクトタイプおよびMSFに対して90%以上の成功率を達成した。
論文参考訳（メタデータ） (2021-06-17T05:11:07Z)
Learning Monocular Depth in Dynamic Scenes via Instance-Aware Projection Consistency [114.02182755620784]
本稿では,複数の動的物体の6-DoF動作,エゴモーション,深度を,監督なしで一眼レフカメラで明示的にモデル化する,エンドツーエンドのジョイントトレーニングフレームワークを提案する。筆者らのフレームワークは,最先端の深度・動き推定法より優れていた。
論文参考訳（メタデータ） (2021-02-04T14:26:42Z)
SynDistNet: Self-Supervised Monocular Fisheye Camera Distance Estimation Synergized with Semantic Segmentation for Autonomous Driving [37.50089104051591]
モノクル深度推定のための最先端の自己教師型学習アプローチは、通常、スケールの曖昧さに悩まされる。本稿では,魚眼カメラ画像とピンホールカメラ画像の自己教師付き単眼距離推定を改善するための,新しいマルチタスク学習手法を提案する。
論文参考訳（メタデータ） (2020-08-10T10:52:47Z)

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。