論文の概要: Cage-Based Deformation for Transferable and Undefendable Point Cloud Attack

• arxiv url: http://arxiv.org/abs/2507.00690v1
• Date: Tue, 01 Jul 2025 11:42:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.609732
• Title: Cage-Based Deformation for Transferable and Undefendable Point Cloud Attack
• Title（参考訳）: 変速・不定点雲攻撃のためのケージベース変形
• Authors: Keke Tang, Ziyong Du, Weilong Peng, Xiaofei Wang, Peican Zhu, Ligang Liu, Zhihong Tian,
• Abstract要約: 点雲に対する敵対攻撃は、しばしば可算性を維持するために厳密な幾何学的制約を課す。 我々は,自然対向点雲を生成するケージベースの変形フレームワークであるCageAttackを提案する。
• 参考スコア（独自算出の注目度）: 22.720281655625726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adversarial attacks on point clouds often impose strict geometric constraints to preserve plausibility; however, such constraints inherently limit transferability and undefendability. While deformation offers an alternative, existing unstructured approaches may introduce unnatural distortions, making adversarial point clouds conspicuous and undermining their plausibility. In this paper, we propose CageAttack, a cage-based deformation framework that produces natural adversarial point clouds. It first constructs a cage around the target object, providing a structured basis for smooth, natural-looking deformation. Perturbations are then applied to the cage vertices, which seamlessly propagate to the point cloud, ensuring that the resulting deformations remain intrinsic to the object and preserve plausibility. Extensive experiments on seven 3D deep neural network classifiers across three datasets show that CageAttack achieves a superior balance among transferability, undefendability, and plausibility, outperforming state-of-the-art methods. Codes will be made public upon acceptance.
• Abstract（参考訳）: 点雲に対する敵対的攻撃は、可視性を維持するために厳密な幾何学的制約を課すことが多いが、そのような制約は本質的には転送可能性と非防御性を制限している。 変形は代替となるが、既存の非構造的アプローチは不自然な歪みを生じさせ、対向点の雲は目立たしく、その可視性を損なう。 本稿では,自然対向点雲を生成するケージベースの変形フレームワークであるCageAttackを提案する。 まずターゲットオブジェクトの周りにケージを構築し、滑らかで自然な変形のための構造化された基盤を提供する。 その後、摂動がケージの頂点に適用され、点雲にシームレスに伝播し、結果として生じる変形が対象物に固有のままであり、可視性を維持する。 3つのデータセットにまたがる7つの3次元ディープニューラルネットワーク分類器の大規模な実験により、CageAttackはトランスファービリティ、非防御性、妥当性のバランスが優れ、最先端の手法よりも優れています。 法典は受理後に公にされる。

関連論文リスト

• Occlusion-aware Non-Rigid Point Cloud Registration via Unsupervised Neural Deformation Correntropy [25.660967523504855]
  Occlusion-Aware Registration (OAR) は、非厳密に整列する点雲の教師なしの方法である。 理論解析を行い,最大コレントロピー基準と一般的なチャンファー距離の関係を確立する。 提案手法は,既存手法に比べて優れた性能,競争力を発揮する。
  論文  参考訳（メタデータ） (2025-02-15T07:27:15Z)
• Hide in Thicket: Generating Imperceptible and Rational Adversarial Perturbations on 3D Point Clouds [62.94859179323329]
  3Dポイントクラウド分類のための点操作に基づくアドリアック手法により、3Dモデルの脆弱性を明らかにした。 そこで本研究では,2段階の攻撃領域探索を行うHT-ADV法を提案する。 我々は,良性再サンプリングと良性剛性変換を用いることで,不受容性への犠牲がほとんどなく,身体的敵意の強さをさらに高めることができることを示唆する。
  論文  参考訳（メタデータ） (2024-03-08T12:08:06Z)
• Ada3Diff: Defending against 3D Adversarial Point Clouds via Adaptive Diffusion [70.60038549155485]
  ディープ3Dポイントクラウドモデルは敵攻撃に敏感であり、自律運転のような安全クリティカルなアプリケーションに脅威をもたらす。 本稿では,適応強度推定器と拡散モデルを用いて,プリスタンデータ分布を再構築できる新しい歪み認識型防衛フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-29T14:32:43Z)
• PointCA: Evaluating the Robustness of 3D Point Cloud Completion Models Against Adversarial Examples [63.84378007819262]
  本稿では,3次元クラウド完了モデルに対する最初の逆攻撃であるPointCAを提案する。 ポイントCAは、元のものと高い類似性を維持する逆点雲を生成することができる。 その結果,PointCAは77.9%から16.7%に低下し,その構造は0.01以下であることがわかった。
  論文  参考訳（メタデータ） (2022-11-22T14:15:41Z)
• Dual Adaptive Transformations for Weakly Supervised Point Cloud Segmentation [78.6612285236938]
  弱制御点雲分割のための新しいDATモデル(textbfDual textbfAdaptive textbfTransformations)を提案する。 我々は,大規模S3DISデータセットとScanNet-V2データセットの2つの人気バックボーンを用いたDATモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-07-19T05:43:14Z)
• Shape-invariant 3D Adversarial Point Clouds [111.72163188681807]
  逆境と不可視性は、逆境の摂動の2つの基本的だが矛盾する性格である。 3Dポイントのクラウド認識に対する以前の敵対的攻撃は、しばしば目立ったポイントアウトリーチによって批判された。 本稿では,点摂動の効率性と非受容性を両立させる新しい点-クラウド感度マップを提案する。
  論文  参考訳（メタデータ） (2022-03-08T12:21:35Z)
• ShapeAdv: Generating Shape-Aware Adversarial 3D Point Clouds [78.25501874120489]
  我々は、ポイントクラウドオートエンコーダの学習した潜在空間を活用することで、形状認識型3Dポイントクラウド攻撃を開発する。 以前のものとは違って、結果として生じる3D点の雲は、元の雲に近い状態での3D点の雲の形状の変化を反映している。
  論文  参考訳（メタデータ） (2020-05-24T00:03:27Z)

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。