論文の概要: OBJVanish: Physically Realizable Text-to-3D Adv. Generation of LiDAR-Invisible Objects

• arxiv url: http://arxiv.org/abs/2510.06952v1
• Date: Wed, 08 Oct 2025 12:35:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.487439
• Title: OBJVanish: Physically Realizable Text-to-3D Adv. Generation of LiDAR-Invisible Objects
• Title（参考訳）: OBJVanish: 物理的に実現可能なテキスト・ツー・3DによるLiDAR非可視物体の生成
• Authors: Bing Li, Wuqi Wang, Yanan Zhang, Jingzheng Li, Haigen Min, Wei Feng, Xingyu Zhao, Jie Zhang, Qing Guo,
• Abstract要約: 我々は,LiDAR検出器に真に見えない物体の3次元モデルを生成するために,テキスト・ツー・3次元対向生成法を提案する。 CARLAシミュレーションと物理的環境の両方において、6つの最先端(SOTA)LiDAR検出器を回避できる3D歩行者を生成することができることを示す。
• 参考スコア（独自算出の注目度）: 27.16863296560931
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LiDAR-based 3D object detectors are fundamental to autonomous driving, where failing to detect objects poses severe safety risks. Developing effective 3D adversarial attacks is essential for thoroughly testing these detection systems and exposing their vulnerabilities before real-world deployment. However, existing adversarial attacks that add optimized perturbations to 3D points have two critical limitations: they rarely cause complete object disappearance and prove difficult to implement in physical environments. We introduce the text-to-3D adversarial generation method, a novel approach enabling physically realizable attacks that can generate 3D models of objects truly invisible to LiDAR detectors and be easily realized in the real world. Specifically, we present the first empirical study that systematically investigates the factors influencing detection vulnerability by manipulating the topology, connectivity, and intensity of individual pedestrian 3D models and combining pedestrians with multiple objects within the CARLA simulation environment. Building on the insights, we propose the physically-informed text-to-3D adversarial generation (Phy3DAdvGen) that systematically optimizes text prompts by iteratively refining verbs, objects, and poses to produce LiDAR-invisible pedestrians. To ensure physical realizability, we construct a comprehensive object pool containing 13 3D models of real objects and constrain Phy3DAdvGen to generate 3D objects based on combinations of objects in this set. Extensive experiments demonstrate that our approach can generate 3D pedestrians that evade six state-of-the-art (SOTA) LiDAR 3D detectors in both CARLA simulation and physical environments, thereby highlighting vulnerabilities in safety-critical applications.
• Abstract（参考訳）: LiDARをベースとした3Dオブジェクト検出器は、物体の検出に失敗すると深刻な安全リスクが生じる自動運転の基礎となる。 効果的な3D敵攻撃の開発は、これらの検出システムを徹底的にテストし、実際の展開前に脆弱性を公開するために不可欠である。 しかし、3Dポイントに最適化された摂動を加える既存の敵攻撃には、2つの重要な制限がある。 そこで本研究では,LiDAR検出器に真に見えない物体の3次元モデルを生成し,現実の世界で容易に実現可能な,物理的に実現可能な攻撃を可能にする,テキスト・ツー・3次元対向生成手法を提案する。 具体的には,個々の歩行者3Dモデルのトポロジー,接続性,強度を操作し,CARLAシミュレーション環境内で歩行者を複数の物体と組み合わせることで,検出脆弱性に影響する要因を系統的に研究する。 そこで本研究では, テキストプロンプトを, 動詞, オブジェクト, ポーズを反復的に精製し, かつLiDARで見えない歩行者を生成することによって, テキストプロンプトを体系的に最適化する, 物理的にインフォームドされたテキスト・トゥ・3D逆数生成(Phy3DAdvGen)を提案する。 実際のオブジェクトの13の3Dモデルを含む包括的オブジェクトプールを構築し,Phy3DAdvGenを制約して,この集合内のオブジェクトの組み合わせに基づいて3Dオブジェクトを生成する。 CARLAシミュレーションと物理的環境の両方において6つの最先端(SOTA)のLiDAR3D検出器を回避し,安全クリティカルなアプリケーションにおける脆弱性を浮き彫りにする。

関連論文リスト

• The Meeseeks Mesh: Spatially Consistent 3D Adversarial Objects for BEV Detector [37.74333887056029]
  3Dオブジェクト検出は、自律運転システムにおいて重要な要素である。 本稿では,3次元物体検出モデルの3次元敵攻撃に対する脆弱性について検討する。 実世界の攻撃シナリオに適した非侵襲的な3次元対向オブジェクトを生成する。
  論文  参考訳（メタデータ） (2025-05-28T15:49:54Z)
• Street Gaussians without 3D Object Tracker [84.89933388445185]
  既存のほとんどの方法は、オブジェクトポーズの労働集約的な手動ラベリングに依存している。 本研究では,3次元オブジェクト融合戦略における2次元ディープトラッカーの関連性を利用して,安定なオブジェクト追跡モジュールを提案する。 我々は、軌道誤差を自律的に補正し、見逃した検出を回復する暗黙の特徴空間に、モーションラーニング戦略を導入することで、避けられないトラッキングエラーに対処する。
  論文  参考訳（メタデータ） (2024-12-07T05:49:42Z)
• HD-OOD3D: Supervised and Unsupervised Out-of-Distribution object detection in LiDAR data [6.372261626436676]
  HD-OOD3Dは未知の物体を検出するための新しい2段階法である。 未知の物体を学習する際の課題を解決するために,未知の物体に対して擬似ラベルを生成するための教師なしの訓練戦略を検討する。
  論文  参考訳（メタデータ） (2024-10-31T09:29:55Z)
• SHIFT3D: Synthesizing Hard Inputs For Tricking 3D Detectors [37.80095745939221]
  本報告では, 3次元物体検出器に対して, 立体形状を識別可能なパイプラインであるShift3Dについて述べる。 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では、そのような新しい挑戦的な物体を発見することは、未知の3D検出器の脆弱性について洞察を与えることができる。
  論文  参考訳（メタデータ） (2023-09-11T20:28:18Z)
• AdvMono3D: Advanced Monocular 3D Object Detection with Depth-Aware Robust Adversarial Training [64.14759275211115]
  そこで本研究では,DART3Dと呼ばれるモノクル3次元物体検出のための,深度対応の頑健な対向学習法を提案する。 我々の敵の訓練アプローチは、本質的な不確実性に乗じて、敵の攻撃に対する堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-09-03T07:05:32Z)
• 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。