論文の概要: Quality-Preserving Imperceptible Adversarial Attack on Skeleton-based Human Action Recognition

• arxiv url: http://arxiv.org/abs/2606.13022v1
• Date: Thu, 11 Jun 2026 07:55:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.657835
• Title: Quality-Preserving Imperceptible Adversarial Attack on Skeleton-based Human Action Recognition
• Title（参考訳）: 骨格に基づく人間行動認識における品質保持不能な敵攻撃
• Authors: Ziyi Chang, Kanglei Zhou, Xiaohui Liang, Hubert P. H. Shum,
• Abstract要約: ノイズのような摂動を伴わない分布型対向攻撃法を提案する。 動きの質を忠実に評価するために,実世界の自然に対する人間の知覚に合わせた新しい指標を提案する。 品質保存型攻撃アプリケーションと分散ベースの手法の成功は、アクション認識器の堅牢性に対する深刻な懸念を提起する。
• 参考スコア（独自算出の注目度）: 31.943761508943183
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adversarial attacks on skeletal human action recognition have received significant attention. However, existing methods typically introduce noise-like perturbations that degrade motion quality post-attack, and thereby are inherently perceptible with recent advancements in S-HAR systems. We discover that this degradation stems from the gap between empirical and true risks during the optimization process of previous adversarial attacks. To address this issue, we propose an attack where adversarial motions are obtained without compromising their motion quality. To minimize the risk gap and preserve motion quality, we propose a distribution-based adversarial attack method without introducing noise-like perturbations. To faithfully evaluate the motion quality, we propose a new metric that aligns with human perception on real-world naturalness. Experiments have been conducted on the state-of-the-art S-HAR methods across two datasets, demonstrating the superiority of our method in both the attack success rate and the post-attack motion quality through qualitative and quantitative analyses. The success of our quality-preserving attack application and distribution-based method raises serious concerns about the robustness of action recognizers, highlighting the need for further enhancements in this domain.
• Abstract（参考訳）: 骨格的人間の行動認識に対する敵対的な攻撃は大きな注目を集めている。 しかし、既存の手法では、通常、動作品質を劣化させるノイズのような摂動を導入し、それによってS-HARシステムの最近の進歩によって本質的に知覚できる。 この劣化は、過去の敵攻撃の最適化過程における経験的リスクと真リスクのギャップに起因することが判明した。 この問題に対処するために, 動作品質を損なうことなく, 対向運動が得られるような攻撃を提案する。 リスクギャップを最小限に抑え, 動きの質を維持するため, ノイズのような摂動を伴わない分布型対向攻撃法を提案する。 動きの質を忠実に評価するために,実世界の自然に対する人間の知覚に合わせた新しい指標を提案する。 2つのデータセットにわたる最先端S-HAR手法の実験を行い、定性的および定量的解析により、攻撃成功率と攻撃後の動作品質の両方において、我々の手法の優位性を実証した。 品質保存型攻撃アプリケーションと分散ベースの手法の成功は、アクション認識の堅牢性に対する深刻な懸念を引き起こし、この領域におけるさらなる強化の必要性を強調します。

関連論文リスト

• Boosting Adversarial Transferability for Skeleton-based Action Recognition via Exploring the Model Posterior Space [20.900293902355358]
  ヒト活動認識(HAR)における骨格運動の役割 以前の攻撃はすべて、未知のS-HARモデル間の転送に苦労した。 本稿では,サロゲートの集合に対するモデル後部空間を効果的に探索できるDual Bayesian戦略を提案する。
  論文  参考訳（メタデータ） (2024-07-11T14:59:31Z)
• On Minimizing Adversarial Counterfactual Error in Adversarial RL [18.044879441434432]
  敵の騒音は、安全クリティカルなシナリオにおいて重大なリスクを生じさせる。 我々は,ACoE(Adversarial Counterfactual Error)と呼ばれる新しい目標を導入する。 本手法は, 対向RL問題に対処するための最先端手法を著しく上回っている。
  論文  参考訳（メタデータ） (2024-06-07T08:14:24Z)
• Mutual-modality Adversarial Attack with Semantic Perturbation [81.66172089175346]
  本稿では,相互モダリティ最適化スキームにおける敵攻撃を生成する新しい手法を提案する。 我々の手法は最先端の攻撃方法より優れており、プラグイン・アンド・プレイ・ソリューションとして容易にデプロイできる。
  論文  参考訳（メタデータ） (2023-12-20T05:06:01Z)
• Balancing detectability and performance of attacks on the control channel of Markov Decision Processes [77.66954176188426]
  マルコフ決定過程(MDPs)の制御チャネルにおける最適ステルス毒素攻撃の設計問題について検討する。 この研究は、MDPに適用された敵国・毒殺攻撃や強化学習(RL)手法に対する研究コミュニティの最近の関心に動機づけられている。
  論文  参考訳（メタデータ） (2021-09-15T09:13:10Z)
• Improving White-box Robustness of Pre-processing Defenses via Joint Adversarial Training [106.34722726264522]
  対向騒音の干渉を軽減するため,様々な対向防御技術が提案されている。 プレプロセス法は、ロバストネス劣化効果に悩まされることがある。 この負の効果の潜在的な原因は、敵の訓練例が静的であり、前処理モデルとは独立していることである。 本稿では,JATP(Joint Adversarial Training Based Pre-processing)防衛法を提案する。
  論文  参考訳（メタデータ） (2021-06-10T01:45:32Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)
• Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
  このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。 生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。 実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
  論文  参考訳（メタデータ） (2020-02-22T10:08:42Z)

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。