生成无约束的三维对抗点云
计算机视觉与模式识别
2021-11-22 v2 图像与视频处理
摘要
利用三维点云数据已成为人工智能在人脸识别、自动驾驶等诸多领域部署的迫切需求。然而，面向三维点云的深度学习仍易受对抗攻击，如迭代攻击、点变换攻击与生成式攻击。这些攻击需将对抗样本的扰动限制在严格边界内，导致生成不真实的对抗三维点云。本文提出对抗图卷积生成对抗网络（AdvGCGAN），从零生成视觉真实的无约束对抗三维点云。具体而言，我们使用图卷积生成器与带辅助分类器的判别器来生成真实点云，从真实三维数据中学习潜在分布。将无约束对抗攻击损失融入 GAN 的特殊对抗训练中，使生成器能生成欺骗目标网络的对抗样本。与现有最先进攻击方法相比，实验结果表明我们的无约束对抗攻击方法具有更高攻击成功率与视觉质量的有效性。此外，所提 AdvGCGAN 在面对防御模型时表现更优，且比现有强伪装攻击方法具有更好的可迁移性。
引用
@article{arxiv.2111.08973,
title = {Generating Unrestricted 3D Adversarial Point Clouds},
author = {Xuelong Dai and Yanjie Li and Hua Dai and Bin Xiao},
journal= {arXiv preprint arXiv:2111.08973},
year = {2021}
}