面向基于卷积的人体运动预测的物理约束对抗攻击
计算机视觉与模式识别
2024-03-27 v3
摘要
在人体运动预测的帮助下，基于卷积的神经网络取得了优异的性能。然而，目前尚无工作评估人体运动预测在面对对抗攻击时的潜在风险。对抗攻击在人体运动预测上会面临自然性与数据尺度方面的问题。为解决上述问题，我们提出了一种新的对抗攻击方法，通过在物理约束下最大化人体运动预测器的预测误差来生成最坏情况扰动。具体而言，我们引入了一种新颖的自适应方案，使攻击适应目标姿态的尺度，并引入两个物理约束以增强对抗样本的自然性。在三个数据集上的评估实验表明，所有目标模型的预测误差均被显著放大，这意味着当前基于卷积的人体运动预测模型易受所提攻击的影响。基于实验结果，我们提供了关于如何增强人体运动预测器对抗鲁棒性以及如何改进针对人体运动预测的对抗攻击的见解。
引用
@article{arxiv.2306.11990,
title = {Physics-constrained Attack against Convolution-based Human Motion Prediction},
author = {Chengxu Duan and Zhicheng Zhang and Xiaoli Liu and Yonghao Dang and Jianqin Yin},
journal= {arXiv preprint arXiv:2306.11990},
year = {2024}
}