論文の概要: Hiding in Plain Sight: An Effective Physical Adversarial Patch Attack against Visual-Infrared Fused Face Detection

• arxiv url: http://arxiv.org/abs/2607.23292v1
• Date: Sat, 25 Jul 2026 17:03:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.053079
• Title: Hiding in Plain Sight: An Effective Physical Adversarial Patch Attack against Visual-Infrared Fused Face Detection
• Title（参考訳）: 平面視におけるHiding:視覚的赤外線融合顔検出に対する効果的な物理的対向パッチアタック
• Abstract要約: VIPatch(Visual-Infrared Patch)は、顔画像に対して目立たない、現実的で、自然なパッチを生成する、新しい対向パッチ攻撃である。 その結果、VIPatchはデジタルドメインと物理ドメインの両方において、競合攻撃の成功率(90%以上)を達成することがわかった。
• 参考スコア（独自算出の注目度）: 9.208084676417576
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep learning-based visual-infrared fused face detection models are increasingly deployed across a wide range of applications, yet they remain susceptible to adversarial patch attacks. Most prior attacks target either the visual or the infrared image alone in the digital domain, which renders them ineffective against fused models in the physical world. Moreover, many of these methods are readily noticeable, as their patch patterns deviate substantially from those seen in the real world. In this paper, we introduce VIPatch (Visual-Infrared Patch), a novel physical adversarial patch attack that produces inconspicuous, realistic, and natural-looking patches for facial images. Specifically, VIPatch crafts a gradient-color mask together with a band-aid sticker across both the visual and infrared images, and jointly optimizes these two elements; the resulting digital patches further guide the fabrication of their physical counterparts. Experimental results show that VIPatch achieves competitive attack success rates (over 90%) in both the digital and physical domains, while keeping the patches unobtrusive to human observers.
• Abstract（参考訳）: ディープラーニングベースの視覚赤外線融合顔検出モデルは、広範囲のアプリケーションに展開されているが、敵のパッチ攻撃の影響を受けやすいままである。 ほとんどの以前の攻撃は、デジタルドメイン内の視覚的または赤外線的イメージのみをターゲットにしており、物理的な世界の融合モデルに対して効果がない。 さらに、これらの手法の多くは、パッチパターンが現実世界に見られるものとは大きく異なるため、容易に識別できる。 本稿では,顔画像に対する不明瞭でリアルで自然なパッチを生成する,新しい物理的対向パッチアタックであるVIPatch(Visual-Infrared Patch)を紹介する。 具体的には、VIPatchは、視界と赤外線の両方にわたるバンドエイドステッカーとともに勾配色のマスクを製作し、これら2つの要素を共同で最適化する。 実験の結果,VIPatchはデジタルドメインと物理ドメインの両方において,競合攻撃の成功率(90%以上)を達成し,パッチは人間の観察者には邪魔にならないことがわかった。

関連論文リスト

• BadPatch: Diffusion-Based Generation of Physical Adversarial Patches [75.35862017536253]
  BadPatchは、自然主義的な逆パッチを生成するための新しい拡散ベースのフレームワークである。 本稿では,最初の物理対向TシャツデータセットであるAdvT-shirt-1Kを構築した。
  論文  参考訳（メタデータ） (2024-12-02T12:30:35Z)
• Unified Adversarial Patch for Visible-Infrared Cross-modal Attacks in the Physical World [11.24237636482709]
  我々は,単一パッチを同時に両モードで回避し,クロスモーダルな物理的攻撃を行える統一逆襲パッチを設計する。 本稿では, 対向パッチのコンパクトかつ滑らかな形状を実現することを目的とした, 境界制限型形状最適化手法を提案する。 提案手法はいくつかの最先端物体検出器に対して評価され,アタック成功率 (ASR) は80%以上である。
  論文  参考訳（メタデータ） (2023-07-27T08:14:22Z)
• Unified Adversarial Patch for Cross-modal Attacks in the Physical World [11.24237636482709]
  単一パッチにより同時に可視・近赤外物体検出装置を騙すための一元対向パッチを提案する。 可視・赤外線センサの異なるイメージング機構を考慮すると、我々の研究は対向パッチの形状をモデル化することに集中している。 その結果、我々の統一パッチは、それぞれ73.33%と69.17%のアタック成功率(ASR)を達成した。
  論文  参考訳（メタデータ） (2023-07-15T17:45:17Z)
• Physically Adversarial Infrared Patches with Learnable Shapes and Locations [1.1172382217477126]
  逆赤外パッチ(adversarial infrared patch)と呼ばれる物理的に実現可能な赤外線攻撃法を提案する。 対象物の熱放射を捉えた赤外線カメラの撮像機構を考慮すると、対向的赤外線パッチは対象物に熱絶縁材料のパッチを取り付け、その熱分布を制御して攻撃を行う。 我々は、様々な物体検出タスクにおいて、様々な物体検出タスクにおいて、逆赤外線パッチを検証する。
  論文  参考訳（メタデータ） (2023-03-24T09:11:36Z)
• Empirical Evaluation of Physical Adversarial Patch Attacks Against Overhead Object Detection Models [2.2588953434934416]
  逆パッチ(Adversarial patch)は、ニューラルネットワークベースのコンピュータビジョンモデルに悪用されたイメージである。 近年の研究では、これらの攻撃が物理的世界への移動に成功できることが示されている。 我々はさらに、より困難な条件下で、物理的世界における敵パッチ攻撃の有効性を検証した。
  論文  参考訳（メタデータ） (2022-06-25T20:05:11Z)
• Exploring Frequency Adversarial Attacks for Face Forgery Detection [59.10415109589605]
  フェースフォージェリ検出器に対する周波数対向攻撃法を提案する。 また,メタラーニングの概念に触発されて,空間領域と周波数領域の両方で攻撃を行うハイブリッド逆攻撃を提案する。
  論文  参考訳（メタデータ） (2022-03-29T15:34:13Z)
• 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)
• On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving [59.33715889581687]
  現実世界の敵対的な例(通常はパッチの形で)の存在は、安全クリティカルなコンピュータビジョンタスクにおけるディープラーニングモデルの使用に深刻な脅威をもたらす。 本稿では,異なる種類の対立パッチを攻撃した場合のセマンティックセグメンテーションモデルのロバスト性を評価する。 画素の誤分類を誘導する攻撃者の能力を改善するために, 新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2022-01-05T22:33:43Z)
• Adversarial Mask: Real-World Adversarial Attack Against Face Recognition Models [66.07662074148142]
  本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。 実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。 ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
  論文  参考訳（メタデータ） (2021-11-21T08:13:21Z)
• Evaluating the Robustness of Semantic Segmentation for Autonomous Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
  自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。 本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
  論文  参考訳（メタデータ） (2021-08-13T11:49:09Z)
• Inconspicuous Adversarial Patches for Fooling Image Recognition Systems on Mobile Devices [8.437172062224034]
  敵パッチと呼ばれる敵の例の変種は、強力な攻撃能力のために研究者の注意を引き付けている。 1枚の画像で逆パッチを生成する手法を提案する。 提案手法は,ホワイトボックス設定における強力な攻撃能力とブラックボックス設定における優れた転送性を示す。
  論文  参考訳（メタデータ） (2021-06-29T09:39:34Z)
• Learning Transferable 3D Adversarial Cloaks for Deep Trained Detectors [72.7633556669675]
  本稿では,人間の3dメッシュ上の攻撃パッチを訓練するパッチベースの攻撃パイプラインを提案する。 既存のadversarial patchとは異なり、我々の新しい3dadversarial patchは、さまざまなビューの下で堅牢に最先端の深層物体検出器を騙すことができる。
  論文  参考訳（メタデータ） (2021-04-22T14:36:08Z)

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。