探索图谱域中用于三维点云攻击的魔鬼细节
计算机视觉与模式识别
2022-12-27 v4 图像与视频处理
摘要
随着深度传感器的成熟，点云在自动驾驶、机器人、监控等多种应用中受到越来越多的关注，而深度点云学习模型已被证明易受对抗攻击。现有攻击方法通常在数据空间中对点云添加/删除点或执行逐点扰动以生成对抗样本，可能忽略点云的几何特性。相反，我们从新视角提出点云攻击——图谱域攻击（GSDA），旨在扰动图谱域中对应于改变某些几何结构的变换系数。具体而言，我们在图上自然地表示点云，并通过图傅里叶变换（GFT）自适应地将点坐标变换到图谱域以进行紧凑表示。然后我们分析不同频谱带对点云几何结构的影响，基于此我们提出以能量约束损失函数引导的可学习方式扰动GFT系数。最后，通过对扰动的谱表示进行逆GFT（IGFT）变换回数据域，生成对抗点云。实验结果表明，所提GSDA在多种防御策略下，在不可感知性和攻击成功率方面均有效。代码可在 https://github.com/WoodwindHu/GSDA 获取。
引用
@article{arxiv.2202.07261,
title = {Exploring the Devil in Graph Spectral Domain for 3D Point Cloud Attacks},
author = {Qianjiang Hu and Daizong Liu and Wei Hu},
journal= {arXiv preprint arXiv:2202.07261},
year = {2022}
}