論文の概要: AdvSplat: Adversarial Attacks on Feed-Forward Gaussian Splatting Models

• arxiv url: http://arxiv.org/abs/2603.23686v1
• Date: Tue, 24 Mar 2026 19:48:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.015115
• Title: AdvSplat: Adversarial Attacks on Feed-Forward Gaussian Splatting Models
• Title（参考訳）: AdvSplat: フィードフォワードガウスプラッティングモデルに対する逆攻撃
• Authors: Yiran Qiao, Yiren Lu, Yunlai Zhou, Rui Yang, Linlin Hou, Yu Yin, Jing Ma,
• Abstract要約: 3D Gaussian Splatting (3DGS) はリアルタイム・高忠実な3D再構成のための強力なパラダイムとしてますます認識されている。 最近出現したフィードフォワード3DGSモデルは、大規模な事前訓練後の入力ビューからの高速な再構築を可能にすることで、これらの制限に対処している。 フィードフォワード3DGSに対する敵攻撃に関する最初の体系的研究であるAdvSplatを紹介する。
• 参考スコア（独自算出の注目度）: 16.115612700186023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) is increasingly recognized as a powerful paradigm for real-time, high-fidelity 3D reconstruction. However, its per-scene optimization pipeline limits scalability and generalization, and prevents efficient inference. Recently emerged feed-forward 3DGS models address these limitations by enabling fast reconstruction from a few input views after large-scale pretraining, without scene-specific optimization. Despite their advantages and strong potential for commercial deployment, the use of neural networks as the backbone also amplifies the risk of adversarial manipulation. In this paper, we introduce AdvSplat, the first systematic study of adversarial attacks on feed-forward 3DGS. We first employ white-box attacks to reveal fundamental vulnerabilities of this model family. We then develop two improved, practically relevant, query-efficient black-box algorithms that optimize pixel-space perturbations via a frequency-domain parameterization: one based on gradient estimation and the other gradient-free, without requiring any access to model internals. Extensive experiments across multiple datasets demonstrate that AdvSplat can significantly disrupt reconstruction results by injecting imperceptible perturbations into the input images. Our findings surface an overlooked yet urgent problem in this domain, and we hope to draw the community's attention to this emerging security and robustness challenge.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS) はリアルタイム・高忠実な3D再構成のための強力なパラダイムとしてますます認識されている。 しかし、シーンごとの最適化パイプラインはスケーラビリティと一般化を制限し、効率的な推論を防ぐ。 最近登場したフィードフォワード3DGSモデルは、シーン固有の最適化なしに、大規模事前学習後の入力ビューからの高速な再構築を可能にすることで、これらの制限に対処している。 その利点と商業展開の強い可能性にもかかわらず、バックボーンとしてのニューラルネットワークの使用は、敵の操作のリスクを増幅する。 本稿では,フィードフォワード3DGSに対する敵攻撃に関する最初の体系的研究であるAdvSplatを紹介する。 私たちはまず、このモデルファミリーの根本的な脆弱性を明らかにするために、ホワイトボックスアタックを使用します。 次に、周波数領域パラメータ化による画素空間摂動を最適化する2つの改良されたクエリ効率のブラックボックスアルゴリズムを開発した。 複数のデータセットにわたる大規模な実験により、AdvSplatは入力画像に知覚不能な摂動を注入することで、再構成結果を著しく破壊できることが示された。 この領域では見過ごされがちな問題が表面化しており、この新たなセキュリティとロバストネスの課題にコミュニティの注意を向けたいと思っています。

関連論文リスト

• GIFSplat: Generative Prior-Guided Iterative Feed-Forward 3D Gaussian Splatting from Sparse Views [44.787835922271135]
  GIFSplatは、純粋なフィードフォワード・イテレーティブ・リファインメント・フレームワークで、3Dガウシアン・リファインティングをスパース・アンポーズ・ビューから行う。 DL3DV、RealEstate10K、DTUで、最先端のフィードフォワードベースラインを一貫して上回る。 カメラのポーズやテスト時間勾配の最適化を必要とせずに、第2スケールの推論時間を維持する。
  論文  参考訳（メタデータ） (2026-02-26T03:25:18Z)
• DefenseSplat: Enhancing the Robustness of 3D Gaussian Splatting via Frequency-Aware Filtering [16.115612700186023]
  3D Gaussian Splatting (3DGS)は、3D画像からリアルタイム・高忠実な3D再構成を実現するための強力なパラダイムとして登場した。 近年の研究では、非知覚的かつ一貫性のない摂動がレンダリング品質を劇的に低下させるような、入力ビューにおける敵の腐敗に対する脆弱性が明らかにされている。 本稿では、低周波コンテンツを保存しながら高周波ノイズをフィルタすることで、トレーニングビューを再構築する、周波数対応型防衛戦略を提案する。
  論文  参考訳（メタデータ） (2026-02-22T20:00:02Z)
• RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS [85.90134051583368]
  3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的な物体や照度の影響を受けやすいシーンを正確にモデル化するのに苦労する。 いくつかの重要な設計に基づく堅牢なソリューションであるRobustSplat++を提案する。
  論文  参考訳（メタデータ） (2025-12-04T14:05:09Z)
• RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
  3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
  論文  参考訳（メタデータ） (2025-06-03T11:13:48Z)
• Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
  Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。 Intern-GSは多様なデータセットにまたがって最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:17:49Z)
• FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
  FreeSplat++は大規模な屋内全シーン再構築の代替手法である。 深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
  論文  参考訳（メタデータ） (2025-03-29T06:22:08Z)
• SafeguardGS: 3D Gaussian Primitive Pruning While Avoiding Catastrophic Scene Destruction [45.654397516679495]
  本稿では, 3DGSプルーニング技術を, Scene-level pruning と Pixel-level pruning の2つのタイプに分類した。 実験により、ピクセルレベルのプルーニングはプルーニングの固有の境界、すなわちガウス的プルーニングの保護を与えることが示された。 我々は,今後の研究に3DGSを最適化するための貴重な洞察を提供すると考えている。
  論文  参考訳（メタデータ） (2024-05-28T03:41:36Z)

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。