针对单目深度估计的对抗攻击
计算机视觉与模式识别
2020-03-24 v1
摘要
深度学习的近期进展在语义分割与深度估计等许多计算机视觉任务上带来了卓越性能。然而，深度神经网络对对抗样本的脆弱性已引起对实际部署的严重担忧。在本文中，据我们所知我们首次系统地研究了针对单目深度估计的对抗攻击，这是诸如自动驾驶与机器人导航等场景中三维场景理解的一项重要任务。为理解对抗攻击对深度估计的影响，我们首先定义了深度估计中不同攻击场景的一个分类体系，包括非定向攻击、定向攻击与通用攻击。我们随后将若干用于分类的先进攻击方法适配到深度估计领域。此外，引入了多任务攻击以进一步提升通用攻击的攻击性能。实验结果表明，在深度估计上产生显著误差是可能的。特别地，我们展示了我们的方法能对给定物体（如一辆汽车）实施定向攻击，导致深度估计偏离真值 3-4 倍（例如从 20m 到 80m）。
引用
@article{arxiv.2003.10315,
title = {Adversarial Attacks on Monocular Depth Estimation},
author = {Ziqi Zhang and Xinge Zhu and Yingwei Li and Xiangqun Chen and Yao Guo},
journal= {arXiv preprint arXiv:2003.10315},
year = {2020}
}