論文の概要: Scratched Lenses, Shifted Depth: Passive Camera-Side Optical Attacks

• arxiv url: http://arxiv.org/abs/2606.14504v1
• Date: Fri, 12 Jun 2026 14:34:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.935861
• Title: Scratched Lenses, Shifted Depth: Passive Camera-Side Optical Attacks
• Title（参考訳）: Scratched Lenss, Shifted Depth: パッシブカメラサイドの光学攻撃
• Authors: Qinlin He, Zeming Zhuang, Yongji Wu, Lan Zhang, Xiaoyong, Yuan,
• Abstract要約: Scratch-induced Lens Adversarial Streak Hijacking SLASHは、カメラレンズや保護カバーの小さな傷によって引き起こされる物理的な世界攻撃である。 光空間における攻撃を定式化し、引き金条件の光チャネルとしてスクラッチパターンをモデル化し、様々な視界条件で1つの固定構成を最適化する。
• 参考スコア（独自算出の注目度）: 10.038300820436776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical adversarial attacks on vision systems are typically studied through scene manipulation, such as adversarial patches or projections, where the adversary controls what the camera observes. Camera-side attacks using stickers or auxiliary optics have also been explored, but they treat attacks as image-space perturbations from designed patterns. This misses how physical imperfections interact with scene-dependent lighting and optics. We identify a threat: passive lens-side damage that is persistent yet trigger-conditioned, producing optical artifacts that bias geometric inference under particular visual conditions. We instantiate this threat through Scratch-induced Lens Adversarial Streak Hijacking SLASH, a physical-world attack caused by small scratches on a camera lens or protective cover. Scratches interact with bright light sources and specular reflections to create structured streak artifacts that distort depth cues. Since the perturbation is fixed in the optical path but triggered by the scene, it is both persistent and selective. We formulate the attack in optical space, model the scratch pattern as a trigger-conditioned optical channel, and optimize one fixed configuration across diverse viewing conditions. We evaluate SLASH on monocular depth estimation and monocular 3D object detection in digital and real-world settings. Under the fixed-scratch constraint, directional depth shifts reach up to 32% relative error for monocular depth estimation, with consistent effects on monocular 3D object detection. Physical experiments confirm transfer to real camera recordings, inducing depth shifts above the model's natural prediction baseline. These findings reveal an attack surface where benign-looking hardware imperfections act as latent, scene-triggered adversarial mechanisms, challenging assumptions about physical robustness and motivating defenses for secure vision systems.
• Abstract（参考訳）: 視覚系に対する物理的敵攻撃は、通常、敵のパッチや投影のようなシーン操作によって研究され、敵がカメラが観察するものを制御する。 ステッカーや補助光学を用いたカメラサイド攻撃も検討されているが、それらはデザインパターンからのイメージ空間摂動として扱う。 これは、物理的な欠陥がシーン依存の照明や光学とどのように相互作用するかを見逃している。 受動的レンズ側の損傷は持続的だがトリガー条件が付けられており、特定の視覚条件下で幾何学的推論をバイアスする光学的アーティファクトが生成される。 我々はこの脅威を、カメラレンズや保護カバーの小さな傷によって引き起こされる物理的世界攻撃である、スクラッチによって引き起こされたレンズ逆転ストリークハイジャックSLASHを通じてインスタンス化する。 スクラッチは明るい光源や分光反射と相互作用し、深度を歪ませる構造化されたストリーク人工物を作る。 摂動は光路で固定されるが、シーンによって引き起こされるため、永続的かつ選択的である。 光空間における攻撃を定式化し、引き金条件の光チャネルとしてスクラッチパターンをモデル化し、様々な視界条件で1つの固定構成を最適化する。 本研究では,モノクル深度推定とモノクル3次元物体検出におけるSLASHの評価を行った。 固定スクラッチの制約の下では、方向の深さシフトは単分子深度推定において最大32%の相対誤差に到達し、単分子3次元物体検出に一貫した効果がある。 物理実験は、実際のカメラ記録への転送を確認し、モデルの自然な予測基準線より上の深さシフトを誘導する。 これらの結果から,外見上の不完全なハードウェアの欠陥が潜伏し,シーントリガーされた対向機構,物理的堅牢性に関する仮定への挑戦,そしてセキュアな視覚システムのための防御の動機となる攻撃面が明らかとなった。

関連論文リスト

• Cheating Stereo Matching in Full-scale: Physical Adversarial Attack against Binocular Depth Estimation in Autonomous Driving [6.935448042598928]
  自律運転におけるステレオマッチングモデルに対する最初のテクスチャ対応物理対向攻撃を提案する。 本手法は局所的な2Dパッチベースではなく,グローバルなカモフラージュテクスチャを備えた3D PAEを用いている。 また,これらのカメラの差分効果に対処するため,新しい3次元ステレオマッチングレンダリングモジュールを提案する。
  論文  参考訳（メタデータ） (2025-11-18T11:45:46Z)
• Examining the Impact of Optical Aberrations to Image Classification and Object Detection Models [58.98742597810023]
  視覚モデルは、ノイズやぼやけなどの乱れに対して頑丈に振る舞う必要がある。 本稿では,OpticsBenchとLensCorruptionsという,ぼやけた汚職の2つのデータセットについて検討する。 ImageNet と MSCOCO における画像分類と物体検出の評価は,様々な事前学習モデルにおいて OpticsBench と LensCorruptions の性能が著しく異なることを示す。
  論文  参考訳（メタデータ） (2025-04-25T17:23:47Z)
• Optical Lens Attack on Deep Learning Based Monocular Depth Estimation [12.91903197852097]
  LensAttackは、自動運転車のカメラに光学レンズを戦略的に配置する物理的な攻撃だ。 我々は,この攻撃をシミュレートし,運転シナリオにおける実環境性能を評価し,その影響を最先端のMDEモデルに示す。
  論文  参考訳（メタデータ） (2024-09-25T21:44:14Z)
• Why Don't You Clean Your Glasses? Perception Attacks with Dynamic Optical Perturbations [17.761200546223442]
  敵の攻撃を物理的世界に適応させることが、攻撃者にとって望ましい。 EvilEyeは、ディスプレイを透過的に利用し、ダイナミックな物理的逆転の例を生成する、中間者認識攻撃である。
  論文  参考訳（メタデータ） (2023-07-24T21:16:38Z)
• Shadows can be Dangerous: Stealthy and Effective Physical-world Adversarial Attack by Natural Phenomenon [79.33449311057088]
  我々は、非常に一般的な自然現象であるシャドーによって摂動が生じる新しい種類の光対角運動例について研究する。 我々は,シミュレーション環境と実環境の両方において,この新たな攻撃の有効性を広く評価した。
  論文  参考訳（メタデータ） (2022-03-08T02:40:18Z)
• SPAA: Stealthy Projector-based Adversarial Attacks on Deep Image Classifiers [82.19722134082645]
  本稿では,ステルスプロジェクタを用いた対向攻撃を提案する。 PCNetというディープニューラルネットワークを用いて実際のプロジェクトとキャプチャ操作を推定します。 実験の結果,SPAAは高い攻撃成功率を達成し,他の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-12-10T18:14:03Z)
• Invisible Perturbations: Physical Adversarial Examples Exploiting the Rolling Shutter Effect [16.876798038844445]
  私たちは初めて、人間の目に見えない物理的敵の例を生成します。 我々は、攻撃者がシーンを逆向きに照らし、ターゲットの誤分類を引き起こす変調された信号を作る方法を実証する。 我々はLEDで様々なシミュレーションと物理実験を行い、目標攻撃率を最大84%まで示す。
  論文  参考訳（メタデータ） (2020-11-26T16:34:47Z)
• Targeted Adversarial Perturbations for Monocular Depth Prediction [74.61708733460927]
  対向摂動が単眼深度予測の課題に及ぼす影響について検討した。 具体的には、シーンの知覚的幾何学を選択的に変化させる、小さくて知覚できない付加的摂動の能力を探求する。 このような摂動は、カメラから予測される距離を世界規模で再スケールするだけでなく、異なるターゲットシーンにマッチするように予測を変更することが可能である。
  論文  参考訳（メタデータ） (2020-06-12T19:29:43Z)
• Spatiotemporal Attacks for Embodied Agents [119.43832001301041]
  我々は、エンボディエージェントに対する敵攻撃を研究するための第一歩を踏み出した。 特に,時間次元と空間次元の両方の相互作用履歴を利用する逆例を生成する。 我々の摂動は強力な攻撃力と一般化能力を持っている。
  論文  参考訳（メタデータ） (2020-05-19T01:38:47Z)

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。