FCA：面向多视角物理对抗攻击的学习三维全包覆车辆伪装
计算机视觉与模式识别
2021-12-14 v3 人工智能
摘要
目标检测中的物理对抗攻击已引起越来越多的关注。然而，以往大多数工作聚焦于通过生成单个对抗补丁来隐藏物体，其仅覆盖车辆表面的平面部分，无法在多视角、远距离及部分遮挡物体的物理场景中攻击检测器。为弥合数字攻击与物理攻击之间的差距，我们利用完整的车辆三维表面提出一种鲁棒的全包覆伪装攻击（FCA）以欺骗检测器。具体而言，我们首先尝试将非平面伪装纹理渲染到整个车辆表面。为模拟真实世界环境条件，我们随后引入一个变换函数将渲染后的伪装车辆转入照片级真实场景。最后，我们设计了一种高效的损失函数以优化伪装纹理。实验表明，全包覆伪装攻击不仅在各种测试用例下优于最先进的方法，还能泛化至不同环境、车辆及目标检测器。FCA代码将发布于：https://idrl-lab.github.io/Full-coverage-camouflage-adversarial-attack/。
引用
@article{arxiv.2109.07193,
title = {FCA: Learning a 3D Full-coverage Vehicle Camouflage for Multi-view Physical Adversarial Attack},
author = {Donghua Wang and Tingsong Jiang and Jialiang Sun and Weien Zhou and Xiaoya Zhang and Zhiqiang Gong and Wen Yao and Xiaoqian Chen},
journal= {arXiv preprint arXiv:2109.07193},
year = {2021}
}
备注
9 pages, 5 figures