論文の概要: Shedding Light on VLN Robustness: A Black-box Framework for Indoor Lighting-based Adversarial Attack

• arxiv url: http://arxiv.org/abs/2511.13132v1
• Date: Mon, 17 Nov 2025 08:39:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.010206
• Title: Shedding Light on VLN Robustness: A Black-box Framework for Indoor Lighting-based Adversarial Attack
• Title（参考訳）: VLNロバストネスの遮光 - 屋内照明による敵攻撃のためのブラックボックスフレームワーク
• Authors: Chenyang Li, Wenbing Tang, Yihao Huang, Sinong Simon Zhan, Ming Hu, Xiaojun Jia, Yang Liu,
• Abstract要約: Indoor Lighting-based Adversarial Attack (ILA) は,ビジョン・アンド・ランゲージ・ナビゲーション(VLN)エージェントを妨害するために,グローバル照明を操作するブラックボックス・フレームワークである。 ILAは軌道効率を低下させながら失敗率を著しく向上させ、VLN剤の未認識の脆弱性を現実的な室内照明のバリエーションに明らかにした。
• 参考スコア（独自算出の注目度）: 32.49082840119896
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-and-Language Navigation (VLN) agents have made remarkable progress, but their robustness remains insufficiently studied. Existing adversarial evaluations often rely on perturbations that manifest as unusual textures rarely encountered in everyday indoor environments. Errors under such contrived conditions have limited practical relevance, as real-world agents are unlikely to encounter such artificial patterns. In this work, we focus on indoor lighting, an intrinsic yet largely overlooked scene attribute that strongly influences navigation. We propose Indoor Lighting-based Adversarial Attack (ILA), a black-box framework that manipulates global illumination to disrupt VLN agents. Motivated by typical household lighting usage, we design two attack modes: Static Indoor Lighting-based Attack (SILA), where the lighting intensity remains constant throughout an episode, and Dynamic Indoor Lighting-based Attack (DILA), where lights are switched on or off at critical moments to induce abrupt illumination changes. We evaluate ILA on two state-of-the-art VLN models across three navigation tasks. Results show that ILA significantly increases failure rates while reducing trajectory efficiency, revealing previously unrecognized vulnerabilities of VLN agents to realistic indoor lighting variations.
• Abstract（参考訳）: VLN(Vision-and-Language Navigation)エージェントは目覚ましい進歩を遂げているが、その堅牢性はまだ十分に研究されていない。 既存の敵対的評価は、しばしば日常の屋内環境において稀に発生する異常なテクスチャとして現れる摂動に依存している。 このような複雑な条件下でのエラーは、現実のエージェントがそのような人工的なパターンに遭遇する可能性が低いため、実用的関連性に制限される。 本研究は,ナビゲーションに強く影響を及ぼす内在的だが見落とされがちなシーン属性である屋内照明に焦点を当てた。 我々は,VLNエージェントを破壊するために,グローバル照明を操作するブラックボックスフレームワークである,室内照明に基づくアタック(ILA)を提案する。 室内照明の一般的な使用法により、我々は2つの攻撃モードを設計する: 静的室内照明ベースアタック(SILA)、動的室内照明ベースアタック(DILA)。 ILAを3つのナビゲーションタスクにまたがる2つの最先端VLNモデルで評価する。 その結果, ILAは軌道効率を低下させ, 従来認識されていなかったVLN剤の脆弱性から, 室内照明のリアルな変化が明らかとなった。

関連論文リスト

• Universal Camouflage Attack on Vision-Language Models for Autonomous Driving [67.34987318443761]
  自動運転のためのビジュアル言語モデリングが、有望な研究方向として浮上している。 VLM-ADは、敵の攻撃による深刻なセキュリティ脅威に弱いままである。 VLM-ADのための最初のユニバーサルカモフラージュ攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-24T14:52:01Z)
• See through the Dark: Learning Illumination-affined Representations for Nighttime Occupancy Prediction [20.14637361013267]
  LIARは照明に適応した表現を学習する新しいフレームワークである。 実データと合成データの両方の実験は、挑戦的な夜間シナリオ下でのLIARの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-05-27T02:40:49Z)
• When Lighting Deceives: Exposing Vision-Language Models' Illumination Vulnerability Through Illumination Transformation Attack [13.197468488144038]
  VLM(Vision-Language Models)は様々なタスクにおいて顕著な成功を収めてきたが、現実の照明に対する頑健さは明らかにされていない。 textbfIllumination textbfTransformation textbfAttack (textbfITA)を提案する。
  論文  参考訳（メタデータ） (2025-03-10T04:12:56Z)
• SIRe-IR: Inverse Rendering for BRDF Reconstruction with Shadow and Illumination Removal in High-Illuminance Scenes [51.50157919750782]
  本稿では,環境マップ,アルベド,粗さにシーンを分解する暗黙のニューラルレンダリング逆アプローチSIRe-IRを提案する。 間接放射場、通常光、可視光、および直接光を同時に正確にモデル化することにより、影と間接光の両方を除去することができる。 強い照明の存在下でも,影の干渉を伴わずに高品質なアルベドと粗さを回収する。
  論文  参考訳（メタデータ） (2023-10-19T10:44:23Z)
• Towards Practical Capture of High-Fidelity Relightable Avatars [60.25823986199208]
  TRAvatarは、様々な照明条件下で光ステージでキャプチャされた動的画像シーケンスで訓練される。 1回のフォワードパスでリアルタイムで出現を予測でき、高品質なリライト効果が得られる。 本フレームワークは,光リアリスティックなアバターアニメーションとリライティングの優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-09-08T10:26:29Z)
• Deep Graph Learning for Spatially-Varying Indoor Lighting Prediction [25.726519831985918]
  室内照明推定のためのグラフ学習フレームワークを提案する。 中心となるのは、深度を増した球状ガウスをベースとした新しい照明モデル(DSGLightと呼ばれる)である。 本手法は, 定性的にも定量的にも, 既存の手法より優れている。
  論文  参考訳（メタデータ） (2022-02-13T12:49:37Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)

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。