针对单目深度估计网络的对抗补丁攻击
计算机视觉与模式识别
2020-10-20 v1 密码学与安全
图像与视频处理
摘要
得益于深度卷积神经网络（CNN）卓越的学习能力，近年来基于 CNN 的单目深度估计取得了巨大成功。然而，仅从单幅图像估计深度本质上是一个不适定问题，因此该方法似乎存在固有的脆弱性。为揭示这一局限，我们提出了一种针对单目深度估计的对抗补丁攻击方法。更具体地，我们生成能够欺骗目标方法、使其对放置了这些图案的区域估计出错误深度的人工图案（对抗补丁）。我们的方法可通过在真实场景中物理放置打印出的图案而在现实世界中实现。我们还通过可视化中间层的激活水平以及可能受对抗攻击影响的区域，分析了攻击下单目深度估计的行为。
引用
@article{arxiv.2010.03072,
title = {Adversarial Patch Attacks on Monocular Depth Estimation Networks},
author = {Koichiro Yamanaka and Ryutaroh Matsumoto and Keita Takahashi and Toshiaki Fujii},
journal= {arXiv preprint arXiv:2010.03072},
year = {2020}
}
备注
Publisher's Open Access PDF with the CC-BY copyright. Associated video, data and programs are available at https://www.fujii.nuee.nagoya-u.ac.jp/Research/MonoDepth/