CNCA：面向车辆检测器的可定制且自然的对抗伪装生成
计算机视觉与模式识别
2024-09-27 v1
摘要
先前关于针对车辆检测器进行物理对抗伪装的工作主要关注其有效性和鲁棒性。当前最成功的方法在像素级别优化3D车辆纹理，但这会导致生成伪装中出现显眼且引人注意的图案，人类容易识别。为此，我们提出一种可定制且自然的伪装攻击（CNCA）方法，利用即插即用的预训练扩散模型。通过从扩散模型中采样最优纹理图像并使用用户特定的文本提示，我们的方法可以在保持高攻击性能的同时生成自然且可定制的对抗伪装。通过在数字和物理世界中的大量实验和用户研究，结果表明，我们的方法生成的伪装显著比现有基线方法更自然，同时实现了具竞争力的攻击性能。我们的代码可在 \href{https://anonymous.4open.science/r/CNCA-1D54}{https://anonymous.4open.science/r/CNCA-1D54} 访问。
引用
@article{arxiv.2409.17963,
title = {CNCA: Toward Customizable and Natural Generation of Adversarial Camouflage for Vehicle Detectors},
author = {Linye Lyu and Jiawei Zhou and Daojing He and Yu Li},
journal= {arXiv preprint arXiv:2409.17963},
year = {2024}
}