学习可迁移的 3D 对抗斗篷以攻击深度训练检测器
计算机视觉与模式识别
2021-04-23 v1 人工智能
摘要
本文提出一种新颖的基于面片的对抗攻击流程，其在 3D 人体网格上训练对抗面片。我们在参考人体网格上采样三角面，并在这些面上创建对抗纹理图集。该对抗纹理被迁移至各种姿态的人体网格上，并渲染到一组真实世界背景图像中。与传统的基于面片的对抗攻击不同——先前工作试图用附加对抗面片欺骗训练好的目标检测器——这种新攻击形式被映射至 3D 物体世界，并通过可微渲染反向传播至纹理图集。因此，对抗面片是在与真实世界材料一致的形变下训练的。此外，不同于现有对抗面片，我们的新 3D 对抗面片被证明能在不同视角下稳健地欺骗最先进的深度目标检测器，潜在地导致一种在物理世界中持续强效的攻击方案。
引用
@article{arxiv.2104.11101,
title = {Learning Transferable 3D Adversarial Cloaks for Deep Trained Detectors},
author = {Arman Maesumi and Mingkang Zhu and Yi Wang and Tianlong Chen and Zhangyang Wang and Chandrajit Bajaj},
journal= {arXiv preprint arXiv:2104.11101},
year = {2021}
}