論文の概要: Physical Adversarial Camouflage through Gradient Calibration and Regularization

• arxiv url: http://arxiv.org/abs/2508.05414v1
• Date: Thu, 07 Aug 2025 14:07:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.895107
• Title: Physical Adversarial Camouflage through Gradient Calibration and Regularization
• Title（参考訳）: グラディエントキャリブレーションと規則化による身体的逆境カモフラージュ
• Authors: Jiawei Liang, Siyuan Liang, Jianjie Huang, Chenxi Si, Ming Zhang, Xiaochun Cao,
• Abstract要約: 敵のカモフラージュは 物体のテクスチャを 偽検知器に変えて 重大なセキュリティリスクを 負う 既存の技術は様々な物理的環境に苦しむ。 勾配最適化に基づく新しい逆カモフラージュフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 48.064270454248316
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advancement of deep object detectors has greatly affected safety-critical fields like autonomous driving. However, physical adversarial camouflage poses a significant security risk by altering object textures to deceive detectors. Existing techniques struggle with variable physical environments, facing two main challenges: 1) inconsistent sampling point densities across distances hinder the gradient optimization from ensuring local continuity, and 2) updating texture gradients from multiple angles causes conflicts, reducing optimization stability and attack effectiveness. To address these issues, we propose a novel adversarial camouflage framework based on gradient optimization. First, we introduce a gradient calibration strategy, which ensures consistent gradient updates across distances by propagating gradients from sparsely to unsampled texture points. Additionally, we develop a gradient decorrelation method, which prioritizes and orthogonalizes gradients based on loss values, enhancing stability and effectiveness in multi-angle optimization by eliminating redundant or conflicting updates. Extensive experimental results on various detection models, angles and distances show that our method significantly exceeds the state of the art, with an average increase in attack success rate (ASR) of 13.46% across distances and 11.03% across angles. Furthermore, empirical evaluation in real-world scenarios highlights the need for more robust system design.
• Abstract（参考訳）: ディープ・オブジェクト・ディテクターの進歩は、自律運転のような安全上重要な分野に大きな影響を与えた。 しかし、物理的対向カモフラージュは、物体のテクスチャを騙す検出器に変化させることで、重大なセキュリティリスクを生じさせる。 既存の技術は、異なる物理的環境に苦しむが、主な課題は2つある。 1【局所連続性の確保による勾配最適化の妨げとなる距離にわたる不整合サンプリング点密度】 2) 複数の角度からテクスチャ勾配を更新するとコンフリクトが発生し,最適化安定性が低下し,攻撃効果が低下する。 これらの問題に対処するために,勾配最適化に基づく新しい逆カモフラージュフレームワークを提案する。 まず,緩やかなテクスチャポイントからアンサンプリングされたテクスチャポイントへ勾配を伝播させることにより,距離をまたいだ一貫した勾配更新を実現する勾配校正戦略を導入する。 さらに、損失値に基づいて勾配を優先・直交化し、冗長あるいは矛盾する更新を排除し、多角最適化における安定性と有効性を向上する勾配デコリレーション法を開発した。 様々な検出モデル,角度,距離に対する実験結果から,攻撃成功率の平均値(ASR)は13.46%,角度は11.03%上昇した。 さらに、実世界のシナリオにおける実証的な評価は、より堅牢なシステム設計の必要性を強調します。

関連論文リスト

• 3D Gaussian Splatting Driven Multi-View Robust Physical Adversarial Camouflage Generation [50.03578546845548]
  物理敵攻撃法は、ディープニューラルネットワークの脆弱性を露呈し、自律運転のような安全クリティカルなシナリオに重大な脅威をもたらす。 カモフラージュをベースとした物理的な攻撃は、パッチベースの攻撃よりも有望なアプローチであり、複雑な物理的環境においてより強力な対逆効果を提供する。 本稿では,PGAと命名された3Dガウススティング(3DGS)に基づく物理的攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-02T05:10:16Z)
• Neural Observation Field Guided Hybrid Optimization of Camera Placement [9.872016726487]
  本稿では,勾配法と非勾配法を併用したハイブリッドカメラ配置最適化手法を提案する。 提案手法は,従来の計算時間の一部(8倍)しか必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-12-11T10:31:06Z)
• Expected Grad-CAM: Towards gradient faithfulness [7.2203673761998495]
  勾配重み付きCAMアプローチは依然としてバニラ勾配に依存している。 本研究は飽和度と感度問題に対処する勾配重み付きCAM増強法を提案する。
  論文  参考訳（メタデータ） (2024-06-03T12:40:30Z)
• Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
  本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。 我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
  論文  参考訳（メタデータ） (2023-09-03T06:35:07Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Sampling-based Fast Gradient Rescaling Method for Highly Transferable Adversarial Attacks [18.05924632169541]
  サンプリングに基づく高速勾配再スケーリング法(S-FGRM)を提案する。 具体的には、余分な計算コストを伴わずに手話関数を置換するためにデータ再スケーリングを用いる。 本手法は, 勾配に基づく攻撃の伝達可能性を大幅に向上させ, 最先端のベースラインより優れる可能性がある。
  論文  参考訳（メタデータ） (2023-07-06T07:52:42Z)
• Adaptive Perturbation for Adversarial Attack [50.77612889697216]
  そこで本研究では,新たな逆例に対する勾配に基づく攻撃手法を提案する。 逆方向の摂動を発生させるために,スケーリング係数を用いた正確な勾配方向を用いる。 本手法は, 高い伝達性を示し, 最先端の手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2021-11-27T07:57:41Z)
• SSGD: A safe and efficient method of gradient descent [0.5099811144731619]
  勾配降下法は様々な最適化問題を解く上で重要な役割を果たしている。 超勾配降下法による勾配長の隠蔽によるパラメータの更新 我々のアルゴリズムは勾配に対する攻撃に対して防御できる。
  論文  参考訳（メタデータ） (2020-12-03T17:09:20Z)
• Dynamically Sampled Nonlocal Gradients for Stronger Adversarial Attacks [3.055601224691843]
  深層ニューラルネットワークの脆弱性は、小さな、さらには知覚不能な摂動にも影響し、ディープラーニング研究の中心的なトピックとなっている。 脆弱性防御機構として動的に動的に非局所グラディエント蛍光(DSNGD)を提案する。 DSNGDベースの攻撃は平均35%高速であり、勾配降下型攻撃よりも0.9%から27.1%高い成功率を示した。
  論文  参考訳（メタデータ） (2020-11-05T08:55:24Z)
• Cogradient Descent for Bilinear Optimization [124.45816011848096]
  双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。 一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。 本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
  論文  参考訳（メタデータ） (2020-06-16T13:41:54Z)

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。