論文の概要: Adversarial Tracking: Attacks on Image Sensors for Object Tracking in Autonomous Vehicles
- arxiv url: http://arxiv.org/abs/2611.17505v1
- Date: Thu, 12 Nov 2026 20:56:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.259055
- Title: Adversarial Tracking: Attacks on Image Sensors for Object Tracking in Autonomous Vehicles
- Title(参考訳): 対向追尾:自律走行車における物体追跡のための画像センサへの攻撃
- Abstract要約: 本稿では,SORT,Deep SORT,Strong SORT,OC-SORTと組み合わせたYOLOv3およびYOLOv4検出器に対する画像特異的および画像認識攻撃について検討する。
イメージ固有の攻撃の下では、YOLOv3ベースのトラッカーのHOTAは53.45-56.19%から14.85-17.03%に減少し、最悪の場合、MOTAは-772.60%に達した。
YOLOv4ベースのトラッカーはロバスト性が高く、HOTAは25.06-26.86%まで低下している。
- 参考スコア(独自算出の注目度): 3.7649438696469084
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Object tracking systems estimate the motion of surrounding vehicles by linking detected objects across video frames. In particular, Tracking-By-Detection (TBD) systems combine object detectors with motion prediction and data association to maintain object identities over time. However, neural network-based detectors are vulnerable to adversarial attacks that perturb input images, and their impact on downstream trajectory estimation is not fully characterized by detection accuracy alone. Therefore, this paper evaluates image-specific and image-agnostic attacks on YOLOv3 and YOLOv4 detectors paired with SORT, Deep SORT, Strong SORT, and OC-SORT tracking systems. The evaluation uses CARLA simulator and measures tracking quality through Multiple Object Tracking Accuracy (MOTA), Higher Order Tracking Accuracy (HOTA), and Identification F1 (IDF1). Under image-specific attacks, HOTA for YOLOv3-based trackers declines from 53.45-56.19% to 14.85-17.03%, while MOTA reaches -772.60% in the worst case. YOLOv4-based trackers exhibit greater robustness, while HOTA still declines to 25.06-26.86%. In addition, image-agnostic attacks can reduce the tracking accuracy using a single Universal Adversarial Perturbation (UAP), without generating a separate perturbation for individual frames.
- Abstract(参考訳): 物体追跡システムは、検出された物体をビデオフレームにリンクすることで、周囲の車両の動きを推定する。
特に、トラッキング・バイ・ディテククション(TBD)システムは、物体検出器と動き予測とデータ関連を組み合わせ、時間とともに物体の同一性を維持する。
しかし、ニューラルネットワークに基づく検出器は、入力画像に摂動する敵攻撃に対して脆弱であり、下流軌道推定への影響は検出精度だけで完全には特徴付けられていない。
そこで本研究では,SORT,Deep SORT,Strong SORT,OC-SORTと組み合わせたYOLOv3およびYOLOv4検出器に対する画像特異的・画像認識攻撃について検討した。
この評価では、CARLAシミュレータを用いて、MOTA(Multiple Object Tracking Accuracy)、HOTA(Higher Order Tracking Accuracy)、IDF1(IDF1)を用いて、品質のトラッキングを行う。
イメージ固有の攻撃の下では、YOLOv3ベースのトラッカーのHOTAは53.45-56.19%から14.85-17.03%に減少し、最悪の場合、MOTAは-772.60%に達した。
YOLOv4ベースのトラッカーはロバスト性が高く、HOTAは25.06-26.86%まで低下している。
さらに、画像認識攻撃は、個々のフレームに対して別々の摂動を発生させることなく、単一のユニバーサル・アドバイサル摂動(UAP)を用いて追跡精度を低下させることができる。
関連論文リスト
- Temporal Misalignment Attacks against Multimodal Perception in Autonomous Driving [23.83773255227831]
DejaVuは車載ネットワークを利用して、センサストリーム間の遅延を誘導し、微妙な時間的ミスアライメントを生成する攻撃である。
包括的攻撃分析により,センサのタスク特異的な不均衡感が明らかになった。
シングルフレームのLiDAR遅延では、攻撃者は車検出のmAPを最大88.5%削減し、3フレームのカメラ遅延、車滴の多重物体追跡精度(MOTA)を73%削減できる。
論文 参考訳(メタデータ) (2025-07-12T00:44:26Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳(メタデータ) (2025-06-23T14:28:30Z) - Ego-Motion Aware Target Prediction Module for Robust Multi-Object Tracking [2.7898966850590625]
我々は、Ego-motion Aware Target Prediction (EMAP)と呼ばれる新しいKFベースの予測モジュールを導入する。
提案手法は、カルマンフィルタを再構成することにより、物体軌道からのカメラ回転速度と翻訳速度の影響を分離する。
EMAPはOC-SORTとDeep OC-SORTのIDSWをそれぞれ73%と21%減少させる。
論文 参考訳(メタデータ) (2024-04-03T23:24:25Z) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳(メタデータ) (2024-03-28T08:54:40Z) - BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [54.48052449493636]
3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションにおいて重要な役割を果たす。
BEVTrackは、シンプルだが効果的な動きに基づくトラッキング手法である。
我々は,BEVTrackが200FPSで動作しながら最先端の結果を達成し,リアルタイム適用性を実現していることを示す。
論文 参考訳(メタデータ) (2023-09-05T12:42:26Z) - ByteTrackV2: 2D and 3D Multi-Object Tracking by Associating Every
Detection Box [81.45219802386444]
マルチオブジェクトトラッキング(MOT)は、ビデオフレーム間のオブジェクトのバウンディングボックスとIDを推定することを目的としている。
低スコア検出ボックス内の真のオブジェクトをマイニングするための階層型データアソシエーション戦略を提案する。
3次元のシナリオでは、トラッカーが世界座標の物体速度を予測するのがずっと簡単である。
論文 参考訳(メタデータ) (2023-03-27T15:35:21Z) - VariabilityTrack:Multi-Object Tracking with Variable Speed Object
Movement [1.6385815610837167]
マルチオブジェクトトラッキング(MOT)は、ビデオ内のオブジェクトのバウンディングボックスとIDを推定することを目的としている。
環境フィードバックに基づく可変速度カルマンフィルタアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-03-12T12:39:41Z) - Detecting Invisible People [58.49425715635312]
我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。
私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。
第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
論文 参考訳(メタデータ) (2020-12-15T16:54:45Z)
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。