立体网络的左右差异对抗攻击
计算机视觉与模式识别
2024-01-17 v1
摘要
立体匹配神经网络通常采用孪生结构从左右图像中提取中间特征。这些中间左右特征之间的相似性显著影响视差估计的准确性。在本文中，我们介绍了一种新颖的对抗攻击方法，该方法生成专门设计用于最大化左右图像特征之间差异的扰动噪声。大量实验表明，我们的方法在诱导立体神经网络产生更大预测误差方面具有优越能力，例如在KITTI数据集上比现有最先进的攻击方法高出219%的MAE，在Scene Flow数据集上高出85%的MAE。此外，我们将我们的方法扩展到包括代理网络黑盒攻击方法，消除了对立体神经网络的访问需求。该方法利用来自不同视觉任务的任意网络作为代理来生成对抗噪声，有效地导致立体网络产生错误预测。我们的发现揭示了立体网络对浅层特征差异的显著敏感性，为未来增强立体视觉系统鲁棒性的研究提供了有价值的见解。
引用
@article{arxiv.2401.07188,
title = {Left-right Discrepancy for Adversarial Attack on Stereo Networks},
author = {Pengfei Wang and Xiaofei Hui and Beijia Lu and Nimrod Lilith and Jun Liu and Sameer Alam},
journal= {arXiv preprint arXiv:2401.07188},
year = {2024}
}