論文の概要: Understanding the Risks of Asphalt Art on the Reliability of Surveillance Perception Systems

• arxiv url: http://arxiv.org/abs/2508.02530v1
• Date: Mon, 04 Aug 2025 15:40:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:22.409891
• Title: Understanding the Risks of Asphalt Art on the Reliability of Surveillance Perception Systems
• Title（参考訳）: サーベイランス・パーセプションシステムの信頼性に対するアスファルトアートのリスクの理解
• Authors: Jin Ma, Abyad Enan, Long Cheng, Mashrur Chowdhury,
• Abstract要約: アスファルトアートを特徴とする芸術的横断歩道は、歩行者の視認性と安全性を高めることを目的としている。 視覚的な複雑さは、視覚に基づく物体検出モデルに依存する監視システムに干渉する可能性がある。 本研究では,アスファルトアートが事前学習した視覚に基づく物体検出モデルの歩行者検出性能に与える影響について検討した。
• 参考スコア（独自算出の注目度）: 14.591474178351342
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Artistic crosswalks featuring asphalt art, introduced by different organizations in recent years, aim to enhance the visibility and safety of pedestrians. However, their visual complexity may interfere with surveillance systems that rely on vision-based object detection models. In this study, we investigate the impact of asphalt art on pedestrian detection performance of a pretrained vision-based object detection model. We construct realistic crosswalk scenarios by compositing various street art patterns into a fixed surveillance scene and evaluate the model's performance in detecting pedestrians on asphalt-arted crosswalks under both benign and adversarial conditions. A benign case refers to pedestrian crosswalks painted with existing normal asphalt art, whereas an adversarial case involves digitally crafted or altered asphalt art perpetrated by an attacker. Our results show that while simple, color-based designs have minimal effect, complex artistic patterns, particularly those with high visual salience, can significantly degrade pedestrian detection performance. Furthermore, we demonstrate that adversarially crafted asphalt art can be exploited to deliberately obscure real pedestrians or generate non-existent pedestrian detections. These findings highlight a potential vulnerability in urban vision-based pedestrian surveillance systems and underscore the importance of accounting for environmental visual variations when designing robust pedestrian perception models.
• Abstract（参考訳）: 近年、様々な組織が導入したアスファルトアートを特徴とする芸術的横断歩道は、歩行者の視認性と安全性を高めることを目的としている。 しかし、視覚的な複雑さは、視覚に基づく物体検出モデルに依存する監視システムに干渉する可能性がある。 本研究では,アスファルトアートが事前学習した視覚に基づく物体検出モデルの歩行者検出性能に与える影響について検討した。 本研究では,様々なストリートアートパターンを固定された監視シーンに合成して現実的な横断歩道のシナリオを構築し,そのモデルの性能を評価する。 良性ケースとは、既存の通常のアスファルトアートで描かれた歩行者の横断歩道を指すが、敵のケースは、攻撃者によってデジタル制作されたり変更されたアスファルトアートを含む。 以上の結果から, 単純で色彩に基づくデザインは最小限の効果を持つが, 複雑な芸術的パターン, 特に視覚的サリエンスが高いものは, 歩行者検出性能を著しく低下させる可能性が示唆された。 さらに、逆向きに製作されたアスファルトアートは、故意に実際の歩行者を隠蔽したり、存在しない歩行者検出を発生させることができることを示した。 これらの知見は、都市の視覚に基づく歩行者監視システムにおける潜在的な脆弱性を浮き彫りにし、堅牢な歩行者認識モデルの設計において、環境視覚の変化を考慮することの重要性を浮き彫りにしている。

関連論文リスト

• Adversarial Attacks on Event-Based Pedestrian Detectors: A Physical Approach [44.952828512869644]
  この研究は、イベント駆動型歩行者検出器に対する物理的敵攻撃を初めて調査した。 本稿では,2次元テクスチャ最適化問題として,デジタルドメインにおけるエンド・ツー・エンドのテクスチャ・フレームワークを構築した。 以上の結果から,デジタル領域で同定されたテクスチャは強い対角特性を有することが明らかとなった。
  論文  参考訳（メタデータ） (2025-03-01T07:06:52Z)
• StreetCrafter: Street View Synthesis with Controllable Video Diffusion Models [59.55232046525733]
  我々は,LDARポイントクラウドレンダリングをピクセルレベルの条件として利用する,制御可能なビデオ拡散モデルであるStreetCrafterを紹介する。 さらに、画素レベルのLiDAR条件を利用することで、ターゲットシーンに対して正確なピクセルレベルの編集を行うことができる。 我々のモデルは視点変化を柔軟に制御し、レンダリング領域を満たすためのビューを拡大する。
  論文  参考訳（メタデータ） (2024-12-17T18:58:55Z)
• Cut-and-Paste with Precision: a Content and Perspective-aware Data Augmentation for Road Damage Detection [5.939858158928473]
  道路の損傷は、道路インフラの完全性、安全性、耐久性に重大な課題をもたらす可能性がある。 近年、道路監視アプリケーションにおいて、画像に基づく損傷検出のための様々なデータ駆動手法が研究されている。 本稿では、コンテンツ認識(すなわち、画像中の道路の真の位置を考える)と視点認識(すなわち、注入された損傷と対象画像との視点の差を考慮する)の両面から改善されたカット・アンド・ペースト増強手法を提案する。
  論文  参考訳（メタデータ） (2024-06-06T09:06:42Z)
• Robust Pedestrian Detection via Constructing Versatile Pedestrian Knowledge Bank [51.66174565170112]
  本稿では,多目的な歩行者知識銀行を構築するための新しいアプローチを提案する。 我々は大規模な事前訓練モデルから歩行者の知識を抽出する。 次に、ほとんどの代表的特徴を定量化し、背景のシーンと区別できるように指導することで、それらをキュレートする。
  論文  参考訳（メタデータ） (2024-04-30T07:01:05Z)
• CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle Components [77.33782775860028]
  車両の新たな総合ベンチマークであるCarPatchを紹介する。 内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。 グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
  論文  参考訳（メタデータ） (2023-07-24T11:59:07Z)
• Shadows can be Dangerous: Stealthy and Effective Physical-world Adversarial Attack by Natural Phenomenon [79.33449311057088]
  我々は、非常に一般的な自然現象であるシャドーによって摂動が生じる新しい種類の光対角運動例について研究する。 我々は,シミュレーション環境と実環境の両方において,この新たな攻撃の有効性を広く評価した。
  論文  参考訳（メタデータ） (2022-03-08T02:40:18Z)
• On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving [59.33715889581687]
  現実世界の敵対的な例(通常はパッチの形で)の存在は、安全クリティカルなコンピュータビジョンタスクにおけるディープラーニングモデルの使用に深刻な脅威をもたらす。 本稿では,異なる種類の対立パッチを攻撃した場合のセマンティックセグメンテーションモデルのロバスト性を評価する。 画素の誤分類を誘導する攻撃者の能力を改善するために, 新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2022-01-05T22:33:43Z)
• You Cannot Easily Catch Me: A Low-Detectable Adversarial Patch for Object Detectors [12.946967210071032]
  敵対的パッチは、顔認識システム、監視システム、自動運転車を騙すことができる。 既存のほとんどの敵パッチは、敵パッチ検出器によって外され、無効化され、拒否される。 本稿では,テクスチャに一貫性のある対向パッチで物体検出器を攻撃する新しい手法,低検出可能な対向パッチを提案する。
  論文  参考訳（メタデータ） (2021-09-30T14:47:29Z)
• Inconspicuous Adversarial Patches for Fooling Image Recognition Systems on Mobile Devices [8.437172062224034]
  敵パッチと呼ばれる敵の例の変種は、強力な攻撃能力のために研究者の注意を引き付けている。 1枚の画像で逆パッチを生成する手法を提案する。 提案手法は,ホワイトボックス設定における強力な攻撃能力とブラックボックス設定における優れた転送性を示す。
  論文  参考訳（メタデータ） (2021-06-29T09:39:34Z)
• Detecting Road Obstacles by Erasing Them [101.45116269051692]
  画像パッチを選択して周囲の道路テクスチャに塗布し,そのパッチから障害を取り除く傾向にある。 次に、元のパッチと塗布されたパッチとの相違を認識するためにトレーニングされたネットワークを使用し、消去された障害を通知します。
  論文  参考訳（メタデータ） (2020-12-25T21:56:36Z)
• Road surface detection and differentiation considering surface damages [0.0]
  本研究では, 路面形状の変動を考慮した道路検出手法を提案し, 舗装面および未舗装面を同定し, 運転安全に関係のある他の道路面の損傷その他の情報を検出する。 この結果から,低コストカメラで撮影した画像を用いても,受動的視覚をこれらの目的に活用できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-23T23:11:26Z)

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。