一种用于孪生视觉跟踪通用定向攻击的简洁而强力的基线方法

近年来，孪生跟踪器被证明易受对抗攻击。然而，现有攻击方法针对每个视频独立地生成扰动，这带来了不可忽略的计算成本。在本文中，我们展示了通用扰动的存在性，其能够实现定向攻击（例如，强制跟踪器以指定偏移量跟随真实轨迹），并且与视频无关且无需在网络中进行推理。具体而言，我们通过向模板图像添加通用不可感知扰动，并向搜索图像中按照预定义轨迹插入一个伪造目标（即一个小的通用对抗补丁）来攻击跟踪器，从而使跟踪器输出伪造目标而非真实目标的位置与尺寸。我们的方法除了简单的加法操作外，无需额外成本即可扰动新视频——且不需要梯度优化或网络推理。在多个数据集上的实验结果表明，我们的方法能以定向攻击方式有效欺骗孪生跟踪器。我们展示了所提出的扰动不仅在视频间具有通用性，而且在不同跟踪器间也具有良好的泛化能力。因此，此类扰动是双重通用的，既相对于数据也相对于网络架构。我们将公开我们的代码。