論文の概要: R-PGA: Robust Physical Adversarial Camouflage Generation via Relightable 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2603.26067v1
• Date: Fri, 27 Mar 2026 04:38:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.353013
• Title: R-PGA: Robust Physical Adversarial Camouflage Generation via Relightable 3D Gaussian Splatting
• Title（参考訳）: R-PGA:Relightable 3D Gaussian Splattingによるロバスト物理逆カモフラージュ生成
• Authors: Tianrui Lou, Siyuan Liang, Jiawei Liang, Yuze Gao, Xiaochun Cao,
• Abstract要約: 物理的敵対的なカモフラージュは、自律運転システムに深刻なセキュリティ上の脅威をもたらす。 現在の手法は、様々な幾何学的(例えば、視線構成)とラジオメトリックのバリエーションにまたがる一般化に失敗する。 Relightable Physical 3D Gaussian Splatting framework (R-PGA)を提案する。
• 参考スコア（独自算出の注目度）: 59.29134814041703
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical adversarial camouflage poses a severe security threat to autonomous driving systems by mapping adversarial textures onto 3D objects. Nevertheless, current methods remain brittle in complex dynamic scenarios, failing to generalize across diverse geometric (e.g., viewing configurations) and radiometric (e.g., dynamic illumination, atmospheric scattering) variations. We attribute this deficiency to two fundamental limitations in simulation and optimization. First, the reliance on coarse, oversimplified simulations (e.g., via CARLA) induces a significant domain gap, confining optimization to a biased feature space. Second, standard strategies targeting average performance result in a rugged loss landscape, leaving the camouflage vulnerable to configuration shifts.To bridge these gaps, we propose the Relightable Physical 3D Gaussian Splatting (3DGS) based Attack framework (R-PGA). Technically, to address the simulation fidelity issue, we leverage 3DGS to ensure photo-realistic reconstruction and augment it with physically disentangled attributes to decouple intrinsic material from lighting. Furthermore, we design a hybrid rendering pipeline that leverages precise Relightable 3DGS for foreground rendering, while employing a pre-trained image translation model to synthesize plausible relighted backgrounds that align with the relighted foreground.To address the optimization robustness issue, we propose the Hard Physical Configuration Mining (HPCM) module, designed to actively mine worst-case physical configurations and suppress their corresponding loss peaks. This strategy not only diminishes the overall loss magnitude but also effectively flattens the rugged loss landscape, ensuring consistent adversarial effectiveness and robustness across varying physical configurations.
• Abstract（参考訳）: 物理的敵対的なカモフラージュは、3Dオブジェクトに敵対的なテクスチャをマッピングすることで、自律運転システムに深刻なセキュリティ上の脅威をもたらす。 しかしながら、現在の手法は複雑な動的シナリオでは不安定であり、様々な幾何学的(例えば、観測構成)とラジオメトリック(例えば、ダイナミック照明、大気散乱)のバリエーションを一般化することができない。 我々はこの欠陥をシミュレーションと最適化の2つの基本的な限界とみなす。 第一に、粗大で単純化されたシミュレーション(例えば、CARLA)への依存は、大きな領域ギャップを生じさせ、偏りのある特徴空間に最適化を収束させる。 次に,これらのギャップを埋めるために,Relightable Physical 3D Gaussian Splatting (3DGS) ベースの攻撃フレームワーク (R-PGA) を提案する。 技術的には、シミュレーション忠実性問題に対処するために、3DGSを活用して、写真リアルな再構築を確実にし、物理的に歪んだ属性で拡張し、本質的な材料を照明から切り離す。 さらに,フォアグラウンドレンダリングに正確なRelightable 3DGSを活用するハイブリッドレンダリングパイプラインを設計し,プレトレーニング済み画像翻訳モデルを用いて,この最適化ロバスト性問題に対処するために,最悪の物理構成を積極的にマイニングし,対応する損失ピークを抑えるためのHard Physical Configuration Mining (HPCM)モジュールを提案する。 この戦略は全体の損失の規模を減少させるだけでなく、頑丈な損失の景観を効果的に平らにし、様々な物理的構成において一貫した対角効果と堅牢性を確保する。

関連論文リスト

• PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
  PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。 本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
  論文  参考訳（メタデータ） (2026-03-11T14:11:42Z)
• ERGO: Excess-Risk-Guided Optimization for High-Fidelity Monocular 3D Gaussian Splatting [63.138778159026934]
  本稿では,ERGOと呼ばれる過度のリスク分解によって導かれる適応最適化フレームワークを提案する。 ERGOはビュー固有の過剰リスクを動的に推定し、最適化中の損失重みを適応的に調整する。 Google Scanned ObjectsデータセットとOmniObject3Dデータセットの実験は、既存の最先端メソッドよりもERGOの方が優れていることを示している。
  論文  参考訳（メタデータ） (2026-02-10T20:44:43Z)
• FastPhysGS: Accelerating Physics-based Dynamic 3DGS Simulation via Interior Completion and Adaptive Optimization [56.17833729527066]
  我々は物理に基づく動的3DGSシミュレーションのためのフレームワークであるFastPhysGSを提案する。 FastPhysGSは、わずか7GBのランタイムメモリを使用して、1分で高忠実度物理シミュレーションを実現する。
  論文  参考訳（メタデータ） (2026-02-02T07:00:42Z)
• 3DGAA: Realistic and Robust 3D Gaussian-based Adversarial Attack for Autonomous Driving [17.849564138275845]
  本稿では,新しい対向オブジェクト生成フレームワークである3D Gaussian-based Adrial Attack (3DGAA)を提案する。 パッチやテクスチャ最適化に依存する以前の作品とは異なり、3DGAAは幾何学的属性と外見的属性の両方を共同で摂動する。 3DGAAは検出mAPを87.21%から7.38%に減らし、既存の3D物理攻撃を著しく上回っている。
  論文  参考訳（メタデータ） (2025-07-14T07:27:52Z)
• 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)
• StableGS: A Floater-Free Framework for 3D Gaussian Splatting [9.935869165752283]
  3D Gaussian Splatting(3DGS)の復元は、その幾何学的および視覚的忠実さを低下させるスタバボーンフローター(stbborn floater)のアーティファクトに悩まされている。 最終的な外観レンダリングから幾何正規化を分離する新しいフレームワークであるStableGSを提案する。 複数のベンチマークの実験では、StableGSはフローターを除去するだけでなく、一般的なぼやけたアーチファクトのトレードオフも解決している。
  論文  参考訳（メタデータ） (2025-03-24T09:02:51Z)

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。