关于点云语义分割的对抗鲁棒性
计算机视觉与模式识别
2023-04-25 v4
摘要
近期关于三维点云语义分割（PCSS）的研究通过采用神经网络取得了卓越性能。然而，这些复杂模型的鲁棒性尚未得到系统分析。鉴于PCSS已应用于自动驾驶等许多安全关键领域，填补这一知识空白十分重要，尤其是这些模型在对抗样本下如何受影响。为此，我们提出一项关于PCSS鲁棒性的比较研究。首先，我们正式定义了性能退化和目标隐藏下的攻击者目标。然后，我们开发了按是否约束范数区分的新攻击。我们在两个数据集和三个PCSS模型上评估了不同攻击选项。我们发现所有模型均存在脆弱性，且攻击点颜色更为有效。通过本研究，我们呼吁研究界关注开发新方法以增强PCSS模型。
引用
@article{arxiv.2112.05871,
title = {On Adversarial Robustness of Point Cloud Semantic Segmentation},
author = {Jiacen Xu and Zhe Zhou and Boyuan Feng and Yufei Ding and Zhou Li},
journal= {arXiv preprint arXiv:2112.05871},
year = {2023}
}