論文の概要: Physically Realistic Sequence-Level Adversarial Clothing for Robust Human-Detection Evasion

• arxiv url: http://arxiv.org/abs/2511.16020v1
• Date: Thu, 20 Nov 2025 03:45:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.459177
• Title: Physically Realistic Sequence-Level Adversarial Clothing for Robust Human-Detection Evasion
• Title（参考訳）: ロバストなヒューマン・ディテクト・エクスポーテーションのための物理的にリアルなシーケンス・レベル・アドバイザリー・衣服
• Authors: Dingkun Zhou, Patrick P. K. Chan, Hengxu Wu, Shikang Zheng, Ruiqi Huang, Yuanjie Zhao,
• Abstract要約: シャツ、ズボン、帽子の自然な、印刷可能な敵テクスチャを生成するために、シーケンスレベルの最適化フレームワークが導入された。 次に、運動、多角カメラの視点、布のダイナミクス、照明のバリエーションをシミュレートするために、物理的にベースとしたヒューマンガーメントパイプラインが使用される。 実験は、強く安定した隠蔽、視点変化に対する高い堅牢性、優れたクロスモデル転送性を示す。
• 参考スコア（独自算出の注目度）: 0.8132876475460237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep neural networks used for human detection are highly vulnerable to adversarial manipulation, creating safety and privacy risks in real surveillance environments. Wearable attacks offer a realistic threat model, yet existing approaches usually optimize textures frame by frame and therefore fail to maintain concealment across long video sequences with motion, pose changes, and garment deformation. In this work, a sequence-level optimization framework is introduced to generate natural, printable adversarial textures for shirts, trousers, and hats that remain effective throughout entire walking videos in both digital and physical settings. Product images are first mapped to UV space and converted into a compact palette and control-point parameterization, with ICC locking to keep all colors printable. A physically based human-garment pipeline is then employed to simulate motion, multi-angle camera viewpoints, cloth dynamics, and illumination variation. An expectation-over-transformation objective with temporal weighting is used to optimize the control points so that detection confidence is minimized across whole sequences. Extensive experiments demonstrate strong and stable concealment, high robustness to viewpoint changes, and superior cross-model transferability. Physical garments produced with sublimation printing achieve reliable suppression under indoor and outdoor recordings, confirming real-world feasibility.
• Abstract（参考訳）: 人間の検出に使用されるディープニューラルネットワークは、敵の操作に対して非常に脆弱であり、実際の監視環境での安全性とプライバシのリスクを生じさせる。 ウェアラブルアタックは現実的な脅威モデルを提供するが、既存のアプローチは通常フレーム単位でテクスチャを最適化する。 本研究では, 歩行映像全体を通じて, デジタル・物理両方の場面で有効である, シャツ, ズボン, 帽子の自然な, 印刷可能な敵対的テクスチャを生成するために, シーケンスレベルの最適化フレームワークを導入する。 製品画像はまずUV空間にマッピングされ、コンパクトなパレットと制御ポイントパラメータ化に変換される。 次に、運動、多角カメラの視点、布のダイナミクス、照明のバリエーションをシミュレートするために、物理的にベースとしたヒューマンガーメントパイプラインが使用される。 時間重み付けによる予測オーバートランスフォーメーション目標を用いて、制御点の最適化を行い、検出信頼度を全シーケンスにわたって最小化する。 大規模な実験は、強靭で安定した隠蔽、視点変化に対する高い堅牢性、優れたクロスモデル転送性を示す。 昇華印刷で製作された物理服は、屋内および屋外の録音において信頼性の高い抑制を実現し、現実的な実現可能性を確認する。

関連論文リスト

• Stable Video-Driven Portraits [52.008400639227034]
  アニメーションは、ドライビングビデオから表現とポーズを再現することで、単一のソースイメージから写真リアルなビデオを生成することを目的としている。 拡散モデルを用いた最近の進歩は品質の向上を示しているが、弱い制御信号やアーキテクチャ上の制約によって制約されている。 本研究では, 眼, 鼻, 口などのマスク付き顔面領域を, 強力な動き制御手段として活用する新しい拡散型枠組みを提案する。
  論文  参考訳（メタデータ） (2025-09-22T08:11:08Z)
• 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)
• VividPose: Advancing Stable Video Diffusion for Realistic Human Image Animation [79.99551055245071]
  時間的安定性を向上するエンドツーエンドパイプラインであるVividPoseを提案する。 識別対応外見制御器は、他の外見の詳細を損なうことなく、追加の顔情報を統合する。 SMPL-Xからの高密度レンダリングマップとスパーススケルトンマップの両方を利用する幾何対応のポーズコントローラ。 VividPoseは、提案したWildデータセットに優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2024-05-28T13:18:32Z)
• RAUCA: A Novel Physical Adversarial Attack on Vehicle Detectors via Robust and Accurate Camouflage Generation [19.334642862951537]
  本稿では,頑健で正確なカモフラージュ生成手法であるRAUCAを提案する。 RAUCAのコアはニューラルレンダリングコンポーネントであるNeural Renderer Plus(NRP)で、車両のテクスチャを正確に投影し、照明や天気などの環境特性を持つ画像を描画することができる。 6つの一般的な物体検出器の実験結果から、RAUCAはシミュレーションと実世界の両方の設定において、既存の手法を一貫して上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-02-24T16:50:10Z)
• ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
  最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。 本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。 我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-10-31T06:11:23Z)
• Unified Adversarial Patch for Visible-Infrared Cross-modal Attacks in the Physical World [11.24237636482709]
  我々は,単一パッチを同時に両モードで回避し,クロスモーダルな物理的攻撃を行える統一逆襲パッチを設計する。 本稿では, 対向パッチのコンパクトかつ滑らかな形状を実現することを目的とした, 境界制限型形状最適化手法を提案する。 提案手法はいくつかの最先端物体検出器に対して評価され,アタック成功率 (ASR) は80%以上である。
  論文  参考訳（メタデータ） (2023-07-27T08:14:22Z)
• DAP: A Dynamic Adversarial Patch for Evading Person Detectors [8.187375378049353]
  本稿ではDAP(Dynamic Adversarial Patch)を創出する新しいアプローチを提案する。 DAPは、攻撃効率と実世界の変換に対する堅牢性を最適化しながら、自然主義的な外観を維持している。 実験結果から,提案手法は最先端攻撃よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-19T11:52:42Z)
• 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)

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。