利用辅助对抗防御网络增强跟踪鲁棒性
计算机视觉与模式识别
2024-08-06 v3
摘要
视觉目标跟踪中的对抗攻击通过向图像中引入难以察觉的扰动，显著降低了先进跟踪器的性能。然而，目前仍缺乏针对目标跟踪设计对抗防御方法的研究。为了解决这些问题，我们提出了一种有效的辅助预处理防御网络AADN，它在将输入图像送入跟踪器之前对其进行防御性变换。此外，它可以作为即插即用模块无缝集成到其他视觉跟踪器中，无需参数调整。我们使用对抗训练来训练AADN，具体采用Dua-Loss生成同时攻击跟踪器分类和回归分支的对抗样本。在OTB100、LaSOT和VOT2018基准上进行的广泛实验表明，AADN在自适应和非自适应攻击场景下均能保持出色的防御鲁棒性。此外，当将防御网络迁移到异构跟踪器时，它表现出可靠的迁移性。最后，AADN实现了高达5ms/帧的处理时间，允许与现有高速跟踪器无缝集成，而不会引入显著的计算开销。
引用
@article{arxiv.2402.17976,
title = {Enhancing Tracking Robustness with Auxiliary Adversarial Defense Networks},
author = {Zhewei Wu and Ruilong Yu and Qihe Liu and Shuying Cheng and Shilin Qiu and Shijie Zhou},
journal= {arXiv preprint arXiv:2402.17976},
year = {2024}
}
备注
This paper is accepted by ECCV2024