IF-Defense：基于隐式函数的三维对抗点云修复防御
计算机视觉与模式识别
2021-03-19 v3
摘要
点云是一种重要的三维数据表示，广泛应用于许多关键应用中。利用深度神经网络，近期工作在三维点云处理方面取得了巨大成功。然而，这些深度神经网络易受各种三维对抗攻击，可归纳为两种主要类型：影响局部点分布的点扰动，以及导致几何剧烈变化的表面扭曲。在本文中，我们通过学习从被攻击的点云中恢复干净点云，同时应对上述两类攻击。更具体地，我们提出 IF-Defense 框架，通过几何感知与分布感知约束直接优化输入点的坐标。前者旨在通过隐式函数恢复点云表面，而后者鼓励点的均匀分布。我们的实验结果表明，IF-Defense 在 PointNet、PointNet++、DGCNN、PointConv 和 RS-CNN 上针对现有三维对抗攻击取得了最先进的防御性能。例如，与先前方法相比，IF-Defense 在 PointNet 上针对显著点丢弃攻击的分类准确率提升了 20.02%，针对 LG-GAN 攻击提升了 16.29%。我们的代码可在 https://github.com/Wuziyi616/IF-Defense 获取。
引用
@article{arxiv.2010.05272,
title = {IF-Defense: 3D Adversarial Point Cloud Defense via Implicit Function based Restoration},
author = {Ziyi Wu and Yueqi Duan and He Wang and Qingnan Fan and Leonidas J. Guibas},
journal= {arXiv preprint arXiv:2010.05272},
year = {2021}
}
备注
17 pages, 8 figures. Update several experimental results compared with v2, e.g. cross dataset evaluation and baseline results of adversarial training