論文の概要: UV-Attack: Physical-World Adversarial Attacks for Person Detection via Dynamic-NeRF-based UV Mapping

• arxiv url: http://arxiv.org/abs/2501.05783v1
• Date: Fri, 10 Jan 2025 08:33:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-13 15:28:19.169245
• Title: UV-Attack: Physical-World Adversarial Attacks for Person Detection via Dynamic-NeRF-based UV Mapping
• Title（参考訳）: UV-Attack:ダイナミックNeRFを用いたUVマッピングによる人検出のための物理世界対応攻撃
• Authors: Yanjie Li, Wenxuan Zhang, Kaisheng Liang, Bin Xiao,
• Abstract要約: 人検知器に対する敵の攻撃は 人間の動きの柔軟性によって 成功率の低下に苦しんだ UV-Attackは、広範囲で目立たない人間の行動であっても高い成功率を達成する、画期的なアプローチである。
• 参考スコア（独自算出の注目度）: 27.142039594420293
• License:
• Abstract: In recent research, adversarial attacks on person detectors using patches or static 3D model-based texture modifications have struggled with low success rates due to the flexible nature of human movement. Modeling the 3D deformations caused by various actions has been a major challenge. Fortunately, advancements in Neural Radiance Fields (NeRF) for dynamic human modeling offer new possibilities. In this paper, we introduce UV-Attack, a groundbreaking approach that achieves high success rates even with extensive and unseen human actions. We address the challenge above by leveraging dynamic-NeRF-based UV mapping. UV-Attack can generate human images across diverse actions and viewpoints, and even create novel actions by sampling from the SMPL parameter space. While dynamic NeRF models are capable of modeling human bodies, modifying clothing textures is challenging because they are embedded in neural network parameters. To tackle this, UV-Attack generates UV maps instead of RGB images and modifies the texture stacks. This approach enables real-time texture edits and makes the attack more practical. We also propose a novel Expectation over Pose Transformation loss (EoPT) to improve the evasion success rate on unseen poses and views. Our experiments show that UV-Attack achieves a 92.75% attack success rate against the FastRCNN model across varied poses in dynamic video settings, significantly outperforming the state-of-the-art AdvCamou attack, which only had a 28.50% ASR. Moreover, we achieve 49.5% ASR on the latest YOLOv8 detector in black-box settings. This work highlights the potential of dynamic NeRF-based UV mapping for creating more effective adversarial attacks on person detectors, addressing key challenges in modeling human movement and texture modification.
• Abstract（参考訳）: 近年の研究では、パッチや静的な3次元モデルに基づくテクスチャ修正を用いた人体検知器に対する敵意攻撃は、人間の動きの柔軟な性質により、成功率の低下に悩まされている。 様々な動作によって引き起こされる3次元変形をモデル化することは大きな課題である。 幸いなことに、ダイナミックヒューマンモデリングのためのNeural Radiance Fields(NeRF)の進歩は、新しい可能性をもたらす。 本稿では,UV-Attackについて紹介する。UV-Attackは,広範かつ目立たない人間の行動であっても高い成功率を達成するための画期的なアプローチである。 我々は、ダイナミックNeRFベースの紫外線マッピングを活用することで、上記の課題に対処する。 UV-Attackは多様なアクションや視点で人間の画像を生成でき、SMPLパラメータ空間からサンプリングすることで新しいアクションも生成できる。 動的NeRFモデルは人体をモデル化できるが、ニューラルネットワークパラメータに埋め込まれているため、衣服のテクスチャを変更することは難しい。 これを解決するために、UV-AttackはRGB画像の代わりにUVマップを生成し、テクスチャスタックを変更する。 このアプローチは、リアルタイムテクスチャ編集を可能にし、攻撃をより実用的なものにする。 また、未確認のポーズやビューの回避成功率を改善するために、新たなEoPT(Pre expectation over Pose Transformation Los)を提案する。 実験の結果,UV-Attackは動的ビデオ設定におけるFastRCNNモデルに対して92.75%の攻撃成功率を実現し,28.50%のASRしか持たないAdvCamou攻撃を著しく上回った。 さらに、最新のYOLOv8検出器でブラックボックス設定で49.5%のASRを達成する。 この研究は、人間の動きやテクスチャの修正をモデル化する上で重要な課題に対処するため、人検知器に対するより効果的な敵攻撃を生み出すために、ダイナミックなNeRFベースのUVマッピングの可能性を強調している。

関連論文リスト

• UVMap-ID: A Controllable and Personalized UV Map Generative Model [67.71022515856653]
  制御可能でパーソナライズされたUVマップ生成モデルであるUVMap-IDを導入する。 従来の2次元の大規模学習法とは異なり,本研究では,事前学習したテキスト・画像拡散モデルの微調整を提案する。 定量的および定性的な解析は、制御可能でパーソナライズされたUVマップ生成における本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-04-22T20:30:45Z)
• Taming Latent Diffusion Model for Neural Radiance Field Inpainting [63.297262813285265]
  ニューラル・ラジアンス・フィールド(NeRF)は多視点画像からの3次元再構成の表現である。 本研究では,シーンごとのカスタマイズによる拡散モデルの傾向の緩和と,マスキングトレーニングによるテクスチャシフトの緩和を提案する。 我々のフレームワークは、様々な現実世界のシーンに最先端のNeRF塗装結果をもたらす。
  論文  参考訳（メタデータ） (2024-04-15T17:59:57Z)
• UV Gaussians: Joint Learning of Mesh Deformation and Gaussian Textures for Human Avatar Modeling [71.87807614875497]
  メッシュ変形と2次元UV空間のガウステクスチャを共同学習することで3次元人体をモデル化するUVガウスアンを提案する。 我々は,多視点画像,走査モデル,パラメトリックモデル登録,およびそれに対応するテクスチャマップを含む,人間の動作の新たなデータセットを収集し,処理する。
  論文  参考訳（メタデータ） (2024-03-18T09:03:56Z)
• Animating NeRFs from Texture Space: A Framework for Pose-Dependent Rendering of Human Performances [11.604386285817302]
  人間のパフォーマンスのポーズ依存レンダリングのための新しいNeRFベースのフレームワークを提案する。 提案手法は,新規視点と新規目的合成のための高品質なレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-11-06T14:34:36Z)
• NeRF-DS: Neural Radiance Fields for Dynamic Specular Objects [63.04781030984006]
  ダイナミック・ニューラル・ラジアンス・フィールド(英語版)(NeRF)は、動的シーンの単眼RGBビデオからフォトリアリスティック・ノベル・ビュー・イメージをレンダリングできる強力なアルゴリズムである。 観測空間の表面位置と配向に条件付される神経放射場関数を再構成することにより,その限界に対処する。 本研究では,現実的な環境下での異なる移動スペクトルオブジェクトの自己合成データセットを用いて,新しいビュー合成品質に基づくモデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-25T11:03:53Z)
• Controllable Radiance Fields for Dynamic Face Synthesis [125.48602100893845]
  非剛性運動を示す顔力学の生成モデル合成を明示的に制御する方法について検討する。 制御可能な放射場(CoRF) 頭部画像・映像データから,CoRFは3次元認識可能であり,識別,視聴方向,動きの編集が可能であることを示す。
  論文  参考訳（メタデータ） (2022-10-11T23:17:31Z)
• HVTR: Hybrid Volumetric-Textural Rendering for Human Avatars [65.82222842213577]
  本稿では,任意のポーズから人間の仮想アバターを効率よく,高品質に合成するニューラルレンダリングパイプラインを提案する。 まず,人体表面の高密度UV多様体上での人間の動きを符号化する。 次に、UV多様体上の符号化情報を利用して、3次元体積表現を構成する。
  論文  参考訳（メタデータ） (2021-12-19T17:34:15Z)
• StyleUV: Diverse and High-fidelity UV Map Generative Model [24.982824840625216]
  本稿では,高品質なUVマップを訓練に必要とせず,多種多様なリアルなUVマップを生成することを学習する新しいUVマップ生成モデルを提案する。 定量的および定性的な評価は,提案したテクスチャモデルが既存手法よりも多様性が高く,忠実度の高いテクスチャを生成することを示すものである。
  論文  参考訳（メタデータ） (2020-11-25T17:19:44Z)

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。