論文の概要: VFACamou: View-Fused Adversarial Camouflage for Environment-Adaptive Physical Evasion

• arxiv url: http://arxiv.org/abs/2606.19736v1
• Date: Thu, 18 Jun 2026 03:00:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.625194
• Title: VFACamou: View-Fused Adversarial Camouflage for Environment-Adaptive Physical Evasion
• Title（参考訳）: VFACamou:環境適応型物理的侵入のためのビューフューズされた対向カモフラージュ
• Authors: Shihui Yan, Hu Liu, Junyu Shi, Zihui Zhu, Ziqi Zhou, Yufei Song, Youming Geng, Minghui Li, Shengshan Hu,
• Abstract要約: 物理世界における敵のカモフラージュは、特にUAV偵察下では非常に困難である。 本稿では,ウェアラブル・カモフラージュ生成のためのエンド・ツー・エンド・エンド・フレームワークを提案し,ウェアラブル・カモフラージュ・パターンを自動生成する。 本手法は,UVボリュームレンダリングと拡散型テクスチャジェネレータを統合し,様々なスケールで一貫した外観を実現する。
• 参考スコア（独自算出の注目度）: 22.748403519265064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adversarial camouflage in the physical world remains highly challenging, particularly under UAV reconnaissance where targets undergo continuous geometric changes and extreme illumination variations. Existing methods either optimize 2D digital perturbations that fail to generalize to dynamic viewpoints or produce visually unnatural textures that cannot be deployed in real scenarios. Therefore, we propose an end-to-end framework for adversarial camouflage generation that automatically produces wearable adversarial patterns and maintains stable attack performance in real physical environments with changing viewpoints, poses, and lighting conditions. Our method integrates UV-volume rendering with a diffusion-based texture generator, enabling consistent appearance under varying scales, poses, and lighting conditions. To ensure environmental realism, we propose an illumination color consistency estimator that extracts dominant background attributes and guides a natural texture loss to align the generated UV texture with the surrounding environment. A multi-scale dynamic training strategy further enhances robustness against viewpoint shifts and body deformation. Extensive experiments across multiple mainstream detectors demonstrate that our method achieves strong and stable physical attack performance while maintaining high perceptual naturalness, reducing human detection rates without introducing unnatural artifacts.
• Abstract（参考訳）: 物理世界における敵のカモフラージュは非常に困難であり、特にUAV偵察では、標的が連続的な幾何学的変化と極端な照明の変化を受ける。 既存の方法は、ダイナミックな視点に一般化できない2Dデジタル摂動を最適化するか、現実のシナリオでは展開できない視覚的に不自然なテクスチャを生成するかのどちらかである。 そこで本稿では, 現実の物理的環境において, 視線, ポーズ, 照明条件を変化させることなく, ウェアラブル・カモフラージュ生成を自動生成し, 安定した攻撃性能を維持するエンド・ツー・エンド・エンドのフレームワークを提案する。 提案手法は,UVボリュームレンダリングと拡散型テクスチャジェネレータを統合し,様々なスケール,ポーズ,照明条件で一貫した外観を実現する。 環境リアリズムの確保を目的として,背景特性を優先的に抽出し,自然テクスチャ損失を誘導し,生成した紫外線テクスチャを周囲環境と整合させる照明色整合性推定器を提案する。 マルチスケールなダイナミックトレーニング戦略は、視点シフトや身体変形に対する堅牢性をさらに強化する。 複数の主流検出器にわたる広範囲な実験により,本手法は高い知覚的自然性を保ちながら強力で安定した物理的攻撃性能を達成し,不自然な人工物を導入することなく人体検出率を低下させることを示した。

関連論文リスト

• NimbusGS: Unified 3D Scene Reconstruction under Hybrid Weather [83.14198482357388]
  劣化したマルチビューインプットから高品質な3Dシーンを再構築するための統合フレームワークであるNimbusGSを提案する。 特定の気象タイプをターゲットにした既存の手法とは異なり、NimbusGSはより広範な一般化の課題に対処している。
  論文  参考訳（メタデータ） (2026-03-28T10:46:29Z)
• R-PGA: Robust Physical Adversarial Camouflage Generation via Relightable 3D Gaussian Splatting [59.29134814041703]
  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。
  論文  参考訳（メタデータ） (2026-03-27T04:38:04Z)
• InpaintHuman: Reconstructing Occluded Humans with Multi-Scale UV Mapping and Identity-Preserving Diffusion Inpainting [64.42884719282323]
  InpaintHumanは、モノクロビデオから高忠実で完全でアニマタブルなアバターを生成する新しい方法である。 我々のアプローチは、アイデンティティの忠実性を保証するために、直接ピクセルレベルの監視を採用する。
  論文  参考訳（メタデータ） (2026-01-05T13:26:02Z)
• Physically Realistic Sequence-Level Adversarial Clothing for Robust Human-Detection Evasion [0.8132876475460237]
  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。
  論文  参考訳（メタデータ） (2025-11-20T03:45:01Z)
• LuxDiT: Lighting Estimation with Video Diffusion Transformer [66.60450792095901]
  単一の画像やビデオからシーンライティングを推定することは、コンピュータビジョンとグラフィックスにおいて長年の課題である。 本稿では,映像拡散変換器を微調整し,視覚入力を前提としたHDR環境マップを生成するLuxDiTを提案する。
  論文  参考訳（メタデータ） (2025-09-03T19:59:20Z)
• GAS-NeRF: Geometry-Aware Stylization of Dynamic Radiance Fields [46.11580764915792]
  GAS-NeRFは動的放射場における関節外観と幾何学的スタイル化のための新しいアプローチである。 本手法では, 深度マップを用いて幾何学的詳細情報を抽出し, 放射場に転送し, その後, 外観伝達を行う。
  論文  参考訳（メタデータ） (2025-03-11T14:37:06Z)
• Flexible Physical Camouflage Generation Based on a Differential Approach [7.042192479182557]
  本研究は、特に対向性カモフラージュに適したニューラルレンダリングに対する新しいアプローチを導入する。 我々の手法はFPAと呼ばれ、照明条件や材質の変化を忠実にシミュレートすることで従来の手法を超えています。 逆行性カモフラージュ法におけるFPAアプローチの有用性と有効性について検討した。
  論文  参考訳（メタデータ） (2024-02-21T07:15:16Z)
• MOST-GAN: 3D Morphable StyleGAN for Disentangled Face Image Manipulation [69.35523133292389]
  本稿では,顔の物理的属性を明示的にモデル化するフレームワークを提案する。 提案手法であるMOST-GANは,GANの表現力と光リアリズムを,非線形3次元形態素モデルの物理的ゆがみおよび柔軟性と統合する。 ポートレート画像の物理的特性を完全に3D制御する写真リアルな操作を実現し、照明の極端な操作、表情、およびフルプロファイルビューまでのポーズのバリエーションを可能にする。
  論文  参考訳（メタデータ） (2021-11-01T15:53:36Z)

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。