基于点云的场景流攻击
计算机视觉与模式识别
2024-09-12 v6 机器学习
多媒体
摘要
深度神经网络在使用点云准确估计场景流方面取得了显著进展,这对于视频分析、动作识别和导航等许多应用至关重要。然而,这些技术的鲁棒性仍是个 Concern,尤其是在面对已被证明能欺骗众多领域中最先进深度神经网络的对抗性攻击时。令人惊讶的是,场景流网络针对此类攻击的鲁棒性尚未得到彻底调查。为此,本文旨在弥合这一差距,通过引入针对场景流网络的对抗性白盒攻击。实验结果表明,生成的对抗性示例在KITTI 和 FlyingThings3D 数据集上平均端点误差相对下降最高可达33.7。本研究还揭示了仅针对单一维度或颜色通道的点云攻击对平均端点误差的显著影响。分析这些攻击在场景流网络及其2D光流网络变体中的成功与失败,显示光流网络更易受攻击。代码已公开于 https://github.com/aheldis/Attack-on-Scene-Flow-using-Point-Clouds.git。
引用
@article{arxiv.2404.13621,
title = {Attack on Scene Flow using Point Clouds},
author = {Haniyeh Ehsani Oskouie and Mohammad-Shahram Moin and Shohreh Kasaei},
journal= {arXiv preprint arXiv:2404.13621},
year = {2024}
}