BiTAA：基于 3D 高斯溅射的面向目标检测与深度估计的双任务对抗攻击
计算机视觉与模式识别
2025-09-25 v1
摘要
基于相机的感知对自动驾驶至关重要，但仍然容易受到针对目标检测和单目深度估计的任务特定对抗操纵。大多数现有的 2D/3D 攻击在任务孤岛中开发，缺乏诱导可控深度偏差的机制，也没有标准化协议来量化跨任务传递，使得检测与深度之间的交互未被充分探索。我们提出 BiTAA，一种基于 3D 高斯溅射的双任务对抗攻击，能够产生单一扰动同时降低检测性能并偏置单目深度。具体而言，我们引入了一个双模型攻击框架，支持全图和补丁设置，兼容常见检测器与深度估计器，并可选期望变换（EOT）以实现物理真实性。此外，我们设计了一个复合损失函数，将检测抑制与感兴趣区域（ROI）内的带符号、幅度可控的对数深度偏差耦合，实现可控的近距或远距误判，同时保持跨任务的稳定优化。我们还提出了一种统一的评估协议，包含跨任务传递指标和真实世界评估，结果显示了跨任务退化的一致性以及从检测到深度和从深度到检测之间传递的明显不对称性。这些结果揭示了多任务纯相机感知中的实际风险，并激励在自动驾驶场景中采用跨任务感知的防御。
引用
@article{arxiv.2509.19793,
title = {BiTAA: A Bi-Task Adversarial Attack for Object Detection and Depth Estimation via 3D Gaussian Splatting},
author = {Yixun Zhang and Feng Zhou and Jianqin Yin},
journal= {arXiv preprint arXiv:2509.19793},
year = {2025}
}
备注
Intend to submit to RA-L