面向鲁棒人类检测逃避的物理逼真序列级对抗服装
计算机视觉与模式识别
2025-12-16 v2 人工智能
摘要
用于人类检测的深度神经网络对对抗性操纵极其敏感，在实际监视环境中造成安全和隐私风险。可穿戴式攻击提供了现实的威胁模型，但现有方法通常逐帧优化纹理，因而无法在运动、姿态变化和服装变形导致的长视频序列中保持隐蔽。本文引入一种序列级优化框架，用于生成自然、可印刷的针对衬衫、裤子和帽子的对抗纹理，使其在整个行走视频中保持有效，无论是在数字环境还是物理环境中。首先将产品图像映射到UV空间并转换为紧凑的调色板和控制点参数化，同时采用ICC锁定机制确保所有颜色均可印刷。随后采用基于物理的人体-服装管线模拟运动、多角度摄像机视角、布料动力学以及照明变化。使用带有时序加权的期望最大化转换目标，对控制点进行优化，以最小化整个序列的检测置信度。大量实验表明，所生成的对抗服装具有强大且稳定的隐蔽性，对视角变化具有卓越的鲁棒性，并在跨模型迁移方面表现优异。使用亚限压印制成的实体服装在室内外录像中实现可靠抑制，确认了其实际可行性。
引用
@article{arxiv.2511.16020,
title = {Physically Realistic Sequence-Level Adversarial Clothing for Robust Human-Detection Evasion},
author = {Dingkun Zhou and Patrick P. K. Chan and Hengxu Wu and Shikang Zheng and Ruiqi Huang and Yuanjie Zhao},
journal= {arXiv preprint arXiv:2511.16020},
year = {2025}
}