論文の概要: 3D Gaussian Splat Vulnerabilities

• arxiv url: http://arxiv.org/abs/2506.00280v1
• Date: Fri, 30 May 2025 22:21:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:32.595449
• Title: 3D Gaussian Splat Vulnerabilities
• Title（参考訳）: 3次元ガウスプレート脆弱性
• Authors: Matthew Hull, Haoyang Yang, Pratham Mehta, Mansi Phute, Aeree Cho, Haoran Wang, Matthew Lau, Wenke Lee, Willian T. Lunardi, Martin Andreoni, Polo Chau,
• Abstract要約: ビュー依存型ガウスの外観を導入し、特定の視点からしか見えない敵のコンテンツを埋め込む。 DAGGERは3Dガウスを直接摂動する敵攻撃であり、基礎となる訓練データにアクセスできない。 これらの攻撃は、3DGSの未発見の脆弱性を浮き彫りにしており、自律ナビゲーションやその他の安全クリティカルな3DGSアプリケーションに対して、ロボット学習に新たな脅威をもたらす可能性がある。
• 参考スコア（独自算出の注目度）: 20.065766098524698
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With 3D Gaussian Splatting (3DGS) being increasingly used in safety-critical applications, how can an adversary manipulate the scene to cause harm? We introduce CLOAK, the first attack that leverages view-dependent Gaussian appearances - colors and textures that change with viewing angle - to embed adversarial content visible only from specific viewpoints. We further demonstrate DAGGER, a targeted adversarial attack directly perturbing 3D Gaussians without access to underlying training data, deceiving multi-stage object detectors e.g., Faster R-CNN, through established methods such as projected gradient descent. These attacks highlight underexplored vulnerabilities in 3DGS, introducing a new potential threat to robotic learning for autonomous navigation and other safety-critical 3DGS applications.
• Abstract（参考訳）: 3D Gaussian Splatting(3DGS)が安全クリティカルなアプリケーションでますます使われている中、敵はどのようにしてシーンを操作すれば害をもたらすのか? CLOAKは、視線に依存したガウス的な外観(視角によって変化する色やテクスチャ)を活用する最初の攻撃であり、特定の視点からしか見えない敵のコンテンツを埋め込む。 さらに、DAGGERは3次元ガウスを直接摂動するターゲット対向攻撃であり、基礎となる訓練データにアクセスせずに、投影勾配降下のような確立された方法を通じて多段物体検出器eg, Faster R-CNNを識別する。 これらの攻撃は、3DGSの未発見の脆弱性を浮き彫りにしており、自律ナビゲーションやその他の安全クリティカルな3DGSアプリケーションに対して、ロボット学習に新たな脅威をもたらす可能性がある。

関連論文リスト

• GaussTrap: Stealthy Poisoning Attacks on 3D Gaussian Splatting for Targeted Scene Confusion [10.426604064131872]
  本稿では,3DGSパイプラインにおけるバックドアの脅威に関する最初の体系的研究について述べる。 本稿では,3DGSモデルを対象とした新しい中毒攻撃手法であるGuussTrapを提案する。 合成データセットと実世界のデータセットの両方の実験により、GuussTrapは知覚できないが有害なバックドアビューを効果的に埋め込むことができることが示された。
  論文  参考訳（メタデータ） (2025-04-29T14:52:14Z)
• SecureGS: Boosting the Security and Fidelity of 3D Gaussian Splatting Steganography [25.798754061997254]
  3D Gaussian Splatting (3DGS)は、リアルタイムレンダリングと高品質な出力のために、3D表現の初歩的な方法として登場した。 従来のNeRFステガノグラフィ法は、そのポイントクラウドファイルが一般にアクセス可能であるため、3DGSの明示的な性質に対処できない。 そこで我々は,Scaffold-GSのアンカーポイント設計とニューラルデコーディングにインスパイアされたSecureGSフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-08T08:11:00Z)
• Hard-Label Black-Box Attacks on 3D Point Clouds [66.52447238776482]
  そこで本研究では,新しいスペクトル認識決定境界アルゴリズムに基づく新しい3D攻撃手法を提案する。 実験により,攻撃性能と対向品質の点で,既存の白黒ボックス攻撃者よりも競合性が高いことが示された。
  論文  参考訳（メタデータ） (2024-11-30T09:05:02Z)
• Distractor-free Generalizable 3D Gaussian Splatting [26.762275313390194]
  DGGSは、未発見の課題に対処する新しいフレームワークである。 $textbfDistractor-free Generalizable 3D Gaussian Splatting$ (3DGS)。 クロスシーンの一般化可能な列車設定におけるトラクタデータによる3次元不整合とトレーニング不安定性を緩和する。 我々の一般化可能なマスク予測は、既存のシーン固有の訓練方法よりも精度が高い。
  論文  参考訳（メタデータ） (2024-11-26T17:17:41Z)
• Poison-splat: Computation Cost Attack on 3D Gaussian Splatting [90.88713193520917]
  3DGSで見過ごされてきた重大なセキュリティ脆弱性を明らかにします。 相手は入力画像に毒を加えることで、3DGSトレーニングに必要な計算メモリと時間を大幅に増加させることができる。 このような計算コスト攻撃は、二段階最適化問題に3つの最適化戦略で対処することで達成される。
  論文  参考訳（メタデータ） (2024-10-10T17:57:29Z)
• A Comprehensive Study of the Robustness for LiDAR-based 3D Object Detectors against Adversarial Attacks [84.10546708708554]
  3Dオブジェクト検出器は、セキュリティクリティカルなタスクにおいてますます重要になっている。 敵の攻撃に対する強固さを理解することが不可欠である。 本稿では,LiDARをベースとした3次元検出器の対角攻撃時のロバスト性評価と解析を行った。
  論文  参考訳（メタデータ） (2022-12-20T13:09:58Z)

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。