面向人体分割的时尚引导对抗攻击
计算机视觉与模式识别
2021-04-21 v2
摘要
本文提出首个基于对抗样本的攻击人体实例分割网络（简称人体分割网络）的方法，此类网络比分类网络更难被欺骗。我们提出一种新颖的时尚引导对抗攻击（FashionAdv）框架，可自动识别目标图像中的可攻击区域，以最小化对图像质量的影响。它从时尚风格图像中学习对抗纹理，随后将其叠加到原始图像的衣物区域，使图像中所有人在人体分割网络中不可见。合成的对抗纹理不显眼且对人眼而言显得自然。所提方法的有效性通过鲁棒性训练与联合攻击目标网络多个组件得到增强。大量实验证明了 FashionAdv 在针对网络空间中图像操控与存储的鲁棒性以及对人眼显得自然方面的有效性。代码与数据已发布于我们的项目页 https://github.com/nii-yamagishilab/fashion_adv。
引用
@article{arxiv.2104.08422,
title = {Fashion-Guided Adversarial Attack on Person Segmentation},
author = {Marc Treu and Trung-Nghia Le and Huy H. Nguyen and Junichi Yamagishi and Isao Echizen},
journal= {arXiv preprint arXiv:2104.08422},
year = {2021}
}
备注
Accepted to Workshop on Media Forensics, CVPR 2021. Project page: https://github.com/nii-yamagishilab/fashion_adv