6DAttack：6DoF姿态估计中的后门攻击
计算机视觉与模式识别
2025-12-23 v1
摘要
深度学习技术使六自由度(6DoF)物体姿态估计实现了精准，广泛应用于机器人、AR/VR及自动驾驶系统。然而，后门攻击构成重大安全风险。虽然大量研究聚焦于2D视觉，但6DoF姿态估计仍鲜有探索。不同于传统后门仅改变类别的做法，6DoF攻击必须控制连续参数如平移和旋转，使2D方法难以适用。我们提出6DAttack框架，利用3D物体触发器诱导受控错误姿态，同时维持正常行为。在PVNet、DenseFusion和PoseDiffusion上进行评估，分别针对LINEMOD、YCB-Video和CO3D数据集，实验显示高攻击成功率(ASR)，且不影响干净样本性能。后门模型在干净ADD准确率和ASR可达100%，触发样本的ADD-P达97.70%。此外，已知代表性防御方法仍无效。我们的发现揭示了对6DoF姿态估计的严重且鲜有人知的威胁。
关键词
引用
@article{arxiv.2512.19058,
title = {6DAttack: Backdoor Attacks in the 6DoF Pose Estimation},
author = {Jihui Guo and Zongmin Zhang and Zhen Sun and Yuhao Yang and Jinlin Wu and Fu Zhang and Xinlei He},
journal= {arXiv preprint arXiv:2512.19058},
year = {2025}
}