論文の概要: TrackFlood: Relocating Latency Attacks from NMS-Free Detectors to Real-Time Trackers

• arxiv url: http://arxiv.org/abs/2609.33948v1
• Date: Sun, 27 Sep 2026 21:43:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 08:24:24.20232
• Title: TrackFlood: Relocating Latency Attacks from NMS-Free Detectors to Real-Time Trackers
• Title（参考訳）: TrackFlood:NMSフリーディテクタからリアルタイムトラッカーへの遅延アタックの移動
• Abstract要約: 現代の物体検出器は1対1の割り当てやセット予測によってNMS(Non-Maximum Suppression)を排除している。 このアーキテクチャの変更は、攻撃面を除去するのではなく、下流のマルチオブジェクト追跡に移動させる。 提案するemphTrackFloodは,NMS非検出トラックパイプラインに対する一貫したホワイトボックスオーバーロード攻撃である。
• 参考スコア（独自算出の注目度）: 4.360978297469472
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider latency attacks on object detectors, where the attacker's goal is not to corrupt a prediction but to make the system fail to respond in time, targeting real-time applications such as autonomous driving. Modern object detectors eliminate Non-Maximum Suppression (NMS) through one-to-one assignment or set prediction, removing the classical detector-side latency bottleneck exploited by prior latency (``sponge'') attacks. We show that NMS-free does not mean latency-robust: this architectural change does not eliminate the attack surface but relocates it downstream to multi-object tracking, whose data-association cost remains content dependent. We present \emph{TrackFlood}, a unified white-box overload attack against NMS-free detect-then-track pipelines spanning both one-to-one detectors (YOLOv10 and YOLO26) and query-based detectors (RT-DETR). TrackFlood recovers differentiable confidence tensors and optimizes perturbations that flood the tracker with spatially distributed phantom detections while leaving detector inference unchanged. Evaluated entirely on an NVIDIA Jetson AGX Orin (TensorRT FP16), detector latency remains essentially constant, whereas tracker latency increases substantially. At a standard imperceptible budget ($L_\infty{=}8/255$), a universal perturbation produces clearly measurable tracker overload but only modest end-to-end slowdown, without deadline misses for the association-dominated trackers; a separate higher-budget stress test drives severe end-to-end slowdowns and sustained deadline misses. We further evaluate a lightweight, architecture-agnostic bounded-admission layer that caps the tracker workload and largely restores end-to-end latency, at a non-trivial cost in admitted clean detections. Our results demonstrate that evaluating NMS-free perception systems requires considering downstream tracking and end-to-end timing, not detector inference alone.
• Abstract（参考訳）: 我々は、オブジェクト検出器に対する遅延攻撃について検討する。攻撃者の目標は、予測を損なうのではなく、自律運転のようなリアルタイムアプリケーションをターゲットにして、システムが応答に間に合わないようにすることである。 現代のオブジェクト検出器は1対1の割り当てやセット予測を通じて非最大抑圧(NMS)を排除し、以前の遅延(`sponge'')攻撃によって悪用された古典的な検出器側の遅延ボトルネックを取り除く。 このアーキテクチャ変更は攻撃面をなくすのではなく、データ関連コストがコンテンツに依存しているマルチオブジェクト追跡に下流に移動させる。 我々は,一対一検出器 (YOLOv10 と YOLO26) とクエリベースの検出器 (RT-DETR) の両方にまたがる,NMSフリーな検出トラックパイプラインに対する統一されたホワイトボックスオーバーロード攻撃である \emph{TrackFlood} を提案する。 TrackFloodは、異なる信頼性テンソルを回復し、検出器の推論をそのまま残しながら、空間的に分散したファントム検出でトラッカーを浸水させる摂動を最適化する。 NVIDIA Jetson AGX Orin(TensorRT FP16)で完全に評価され、検出器遅延は基本的に一定であり、トラッカー遅延は大幅に増加する。 標準的な許容できない予算(L_\infty{=}8/255$)では、普遍的な摂動は明らかに測定可能なトラッカーのオーバーロードを生成するが、緩やかなエンド・ツー・エンドのスローダウンしか発生しない。 さらに、トラッカーのワークロードを制限し、エンドツーエンドのレイテンシをほぼ復元する軽量でアーキテクチャに依存しないバウンド-アドミッション層を、許可されたクリーンな検出において非自明なコストで評価する。 以上の結果から,NMS非認識システムの評価には下流の追跡と終端のタイミングを考慮する必要があることが示唆された。

関連論文リスト

• Taming Perception Jitter: Uncertainty-Aware LiDAR Object Detection for Reliable Motion Classification [8.046180274721541]
  不安定な境界ボックス予測は、追跡と誤った予測された軌道における急激な速度推定につながる可能性がある。 本稿では,3次元物体検出器にアレータティック不確実性推定を付加し,短時間の観測窓に2サンプルのz検定を適用し,ジッタから真の動きを分離する配置フレンドリーな緩和戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-08T11:24:57Z)
• Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
  ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。 本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。 本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
  論文  参考訳（メタデータ） (2026-02-13T14:57:15Z)
• Can't Slow me Down: Learning Robust and Hardware-Adaptive Object Detectors against Latency Attacks for Edge Devices [21.359326502877487]
  最近、オブジェクト検出器のリアルタイム処理機能をターゲットに、新しいタイプの遅延攻撃が報告されている。 我々は,この攻撃に対して,暗黙の敵の訓練を通じて防御する試みを行っている。 実験は、リアルタイム処理能力を13ドルFPSから43ドルFPSに復元する防御効果を示す。
  論文  参考訳（メタデータ） (2024-12-03T05:00:26Z)
• PNAS-MOT: Multi-Modal Object Tracking with Pareto Neural Architecture Search [64.28335667655129]
  複数の物体追跡は、自律運転において重要な課題である。 トラッキングの精度が向上するにつれて、ニューラルネットワークはますます複雑になり、レイテンシが高いため、実際の運転シナリオにおける実践的な応用に課題が生じる。 本稿では,ニューラル・アーキテクチャ・サーチ(NAS)手法を用いて追跡のための効率的なアーキテクチャを探索し,比較的高い精度を維持しつつ,低リアルタイム遅延を実現することを目的とした。
  論文  参考訳（メタデータ） (2024-03-23T04:18:49Z)
• Uncertainty-aware Unsupervised Multi-Object Tracking [33.53331700312752]
  教師なしマルチオブジェクトトラッカーは、信頼できる機能埋め込みの学習に劣る。 最近の自己監督技術は採用されているが、時間的関係を捉えられなかった。 本稿では、不確実性問題は避けられないが、不確実性自体を活用して学習された一貫性を向上させることができると論じる。
  論文  参考訳（メタデータ） (2023-07-28T09:03:06Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Object Detection Made Simpler by Eliminating Heuristic NMS [70.93004137521946]
  単純なNMSのないエンドツーエンドのオブジェクト検出フレームワークを示す。 検出精度は元の1段検出器と比べて同等か、さらに向上した。
  論文  参考訳（メタデータ） (2021-01-28T02:38:29Z)

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。