PADetBench：面向对象检测物理攻击的基准测试
计算机视觉与模式识别
2025-06-03 v3 密码学与安全
机器学习
摘要
由于其显著的实际意义，针对对象检测的物理攻击日益受到关注。然而，进行物理实验极其耗时且费力。此外，物理动态和跨域转换在现实世界中难以严格控制，导致评估和比较无法对齐，严重阻碍了开发物理鲁棒模型的进展。为适应这些挑战，我们探索利用真实模拟来彻底且严谨地基准测试物理攻击，在受控的物理动态和跨域转换下实现公平性。这解决了在现实世界中无法捕获相同对抗图像的问题。我们的基准包括20种物理攻击方法、48个对象检测器、全面的物理动态和评估指标。我们还提供了数据集生成、检测、评估及进一步分析的端到端流程。此外，我们进行了8064组评估，包括整体评估和针对受控物理动态的详细消化研究。通过这些实验，我们对物理攻击性能和物理对抗鲁棒性进行深入分析，提出宝贵的观察，并讨论未来研究的潜在方向。代码：https://github.com/JiaweiLian/Benchmarking_Physical_Attack
引用
@article{arxiv.2408.09181,
title = {PADetBench: Towards Benchmarking Physical Attacks against Object Detection},
author = {Jiawei Lian and Jianhong Pan and Lefan Wang and Yi Wang and Lap-Pui Chau and Shaohui Mei},
journal= {arXiv preprint arXiv:2408.09181},
year = {2025}
}