論文の概要: Stealthy in Semantics, Antagonistic in Space: Attacking Visible-Infrared Object Detectors via Object-Level Misalignment

• arxiv url: http://arxiv.org/abs/2609.18133v1
• Date: Wed, 16 Sep 2026 05:16:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.651597
• Title: Stealthy in Semantics, Antagonistic in Space: Attacking Visible-Infrared Object Detectors via Object-Level Misalignment
• Title（参考訳）: セマンティックスにおけるステルスと宇宙におけるアンタゴニスト:オブジェクトレベルミスアライメントによる可視赤外線物体検出器の攻撃
• Abstract要約: 可視赤外物体検出のための対角的フレームワークであるCamoShiftを提案する。 視覚的カモフラージュとオブジェクトレベルの赤外線シフトを組み合わせることで、カモシフトは異次元空間アライメントを破り、融合を妨害する。 我々の知る限りでは、私たちは視覚的ステルスネスと視覚的赤外線物体検出における攻撃的成功の両方を目標にしている。
• 参考スコア（独自算出の注目度）: 38.81186092131234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visible-infrared object detectors are used for robust perception under challenging illumination and weather conditions. Current physical attacks apply conspicuous patches to spatially aligned target regions, which are noticeable to human observers. Meanwhile, most of these methods only perturb the appearance within the aligned region, without explicitly targeting the correspondence between modalities or the fusion process. In this paper, we propose CamoShift, an adversarial framework for visible-infrared object detection. By combining visual camouflage with object-level infrared shifting, CamoShift breaks cross-modal spatial alignment and disrupts fusion. Specifically, the Semantic Camouflage Module (SCM) generates a stealthy camouflaged patch that can be attached to the host object and maintains its effectiveness in the infrared branch through an RGB-IR adapter. The Object-level Spatial Decoupling Module (OSDM) shifts the infrared target evidence in a scale-aware manner, so as to break object-level correspondence and disrupt cross-modal fusion. Then, the Harmonic Adversarial loss (HarAdv loss) further balances attack strength and visual stealth during optimization. To the best of our knowledge, we are the first to target both visual stealthiness and attack success in visible-infrared object detection. Extensive experimental results show that CamoShift achieves a superior balance between attack effectiveness and visual stealth. Code and models will be available on GitHub.
• Abstract（参考訳）: 可視赤外線物体検出器は、難解な照明と気象条件下での堅牢な認識に使用される。 現在の物理的攻撃は、人間の観察者にとって顕著な、空間的に整列した標的領域に顕著なパッチを適用している。 一方、これらの手法のほとんどは、モダリティや融合プロセスの対応を明示することなく、整列領域内の外観を乱すだけである。 本稿では,可視赤外物体検出のための対角的フレームワークであるCamoShiftを提案する。 視覚的カモフラージュとオブジェクトレベルの赤外線シフトを組み合わせることで、カモシフトは異次元空間アライメントを破り、融合を妨害する。 具体的には、セマンティックカモフラージュモジュール(SCM)は、ホストオブジェクトにアタッチ可能なステルスなカモフラージュパッチを生成し、RGB-IRアダプタを介して、その有効性を維持する。 オブジェクトレベルの空間デカップリングモジュール(OSDM)は、オブジェクトレベルの対応を破り、異種融合を妨害するために、赤外線ターゲットエビデンスをスケール的にシフトする。 そして、HarAdv損失(HarAdv損失)は、最適化中に攻撃強度と視覚ステルスのバランスをとる。 我々の知る限りでは、私たちは視覚的ステルスネスと視覚的赤外線物体検出における攻撃的成功の両方を目標にしている。 その結果, CamoShiftは攻撃効率と視覚ステルスのバランスが良好であることが確認された。 コードとモデルはGitHubで入手できる。

関連論文リスト

• In-the-Wild Camouflage Attack on Vehicle Detectors through Controllable Image Editing [47.950090718445615]
  条件付き画像編集問題として車両カモフラージュ攻撃を定式化する新しい枠組みを提案する。 我々は、車両の構造的忠実性、スタイルの整合性、対角効果を共同で実施する統一目標を設計する。 本フレームワークは,ブラックボックス検出装置を効果的に一般化し,物理世界への有望な転送性を示す。
  論文  参考訳（メタデータ） (2026-03-19T20:30:03Z)
• CDUPatch: Color-Driven Universal Adversarial Patch Attack for Dual-Modal Visible-Infrared Detectors [6.8163437709379835]
  逆パッチは、現実世界のシナリオにおけるオブジェクト検出システムの堅牢性を評価するために広く利用されている。 我々は,CDUPatchを提案する。CDUPatchは,スケール,ビュー,シナリオにまたがる可視赤外線オブジェクト検出器に対する汎用的なクロスモーダルパッチアタックである。 対向パッチの最適色分布を学習することにより、その熱応答を操作でき、対向赤外線テクスチャを生成することができる。
  論文  参考訳（メタデータ） (2025-04-15T05:46:00Z)
• Strategic Preys Make Acute Predators: Enhancing Camouflaged Object Detectors by Generating Camouflaged Objects [107.47530456103758]
  カモフラーゲ型物体検出(COD)は、カモフラーゲ型物体を視覚的に周囲に混入させる難易度の高い課題である。 我々は、捕食者がより優れたカモフラージュと捕食者を開発し、より鋭い視覚システムを取得するための獲物を誘導する獲物捕食者ゲームからインスピレーションを得ている。 内部コヒーレンスとエッジガイダンス (ICEG) と呼ばれる新しいCOD法を導入し, カモフラージュした特徴コヒーレンスモジュールを導入した。
  論文  参考訳（メタデータ） (2023-08-06T17:27:08Z)
• 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)
• Towards Deeper Understanding of Camouflaged Object Detection [64.81987999832032]
  バイナリセグメンテーション設定は、カモフラージュの概念を完全に理解できない。 そこで本研究では,カモフラージュされたオブジェクトの局所化,セグメント化,ランク付けを同時に行う3段階学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-23T14:26:18Z)
• Simultaneously Localize, Segment and Rank the Camouflaged Objects [55.46101599577343]
  camouflaged object detectionは、周囲に隠されているcamouflaged objectsを分割することを目的としている。 私たちは、カモフラージュされた物体の目立ちを特定の背景に明確にモデル化することは、カモフラージュと動物の進化をよりよく理解するのに役立つと主張しています。 迷彩オブジェクトを同時にローカライズ、セグメント化、ランク付けする最初のランキングベースのCODネットワーク(Rank-Net)を紹介します。
  論文  参考訳（メタデータ） (2021-03-06T02:53:36Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。