论人体姿态估计的鲁棒性
计算机视觉与模式识别
2021-06-11 v2
摘要
本文对人体姿态估计模型所受对抗攻击及其鲁棒性评估进行了全面而详尽的研究。除了强调在对抗攻击方面已被充分研究的分类系统与人体姿态估计系统之间的重要差异外，我们还深入剖析了姿态估计系统的设计选择，以指导未来工作。我们在 MPII 和 COCO 多个数据集上训练的若干 2D 单人姿态估计架构的鲁棒性进行了基准测试。在此过程中，我们还探索了攻击非分类网络（包括基于回归的网络）的问题，这在过去几乎未被研究。\par 我们发现，与分类和语义分割相比，人体姿态估计架构对对抗攻击相对鲁棒，其中单步攻击出奇地无效。我们的研究表明，基于热图的姿态估计模型明显比其直接基于回归的系统更鲁棒，并且显式建模人体拟人语义的系统比其他同类系统表现更好。此外，目标攻击比非目标攻击更难实现，且某些身体关节比其他关节更容易被欺骗。我们展示了通用扰动的可视化，以便对其在姿态估计上的作用提供前所未有的洞察。此外，我们表明它们在不同的网络之间具有良好的泛化能力。最后，我们针对这些样本的感知度进行了一项用户研究。
引用
@article{arxiv.1908.06401,
title = {On the Robustness of Human Pose Estimation},
author = {Sahil Shah and Naman Jain and Abhishek Sharma and Arjun Jain},
journal= {arXiv preprint arXiv:1908.06401},
year = {2021}
}
备注
Accepted in CVPR-W