$\epsilon$-Mesh 攻击：一种用于面部表情识别的基于表面的对抗性点云攻击
计算机视觉与模式识别
2024-03-12 v1
摘要
点云和网格是许多计算机视觉应用中广泛使用的 3D 数据结构。网格表示物体的表面，而点云则表示从表面采样的点，这也是 LiDAR 和 RGB-D 相机等现代传感器的输出。由于点云的广泛应用以及深度神经网络的最新进展，专注于 3D 点云数据鲁棒分类的研究应运而生。为了评估深度分类器网络的鲁棒性，一种常用方法是使用对抗性攻击，即沿梯度方向轻微改变输入。先前关于对抗性攻击的研究通常在日常物体的点云上进行评估。然而，考虑到 3D 人脸，这些对抗性攻击往往会对人脸结构造成超出预期程度的影响并导致畸形。特别是对于面部表情，即使微小的对抗性攻击也可能对面部结构产生显著影响。在本文中，我们提出了一种称为 -Mesh 攻击的对抗性攻击，该方法通过将扰动限制在网格表面上来操作点云数据。我们还通过 参数化我们的攻击以缩放扰动网格。与在单位球上操作的 和 范数有界攻击相比，我们这种基于表面的攻击具有更严格的扰动界限。尽管我们的方法有额外的约束，但我们在 CoMA、Bosphorus 和 FaceWarehouse 数据集上的实验表明，-Mesh 攻击（垂直方向）成功混淆了训练好的 DGCNN 和 PointNet 模型，成功率分别为 和 ，且面部变形难以察觉。代码可在 https://github.com/batuceng/e-mesh-attack 获取。
引用
@article{arxiv.2403.06661,
title = {epsilon-Mesh Attack: A Surface-based Adversarial Point Cloud Attack for Facial Expression Recognition},
author = {Batuhan Cengiz and Mert Gulsen and Yusuf H. Sahin and Gozde Unal},
journal= {arXiv preprint arXiv:2403.06661},
year = {2024}
}
备注
Accepted at 18th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2024)