R-PGA: 通过可重光照 3D 高斯溅射生成鲁棒物理对抗伪装

物理对抗伪装通过将对抗纹理映射到 3D 对象上，对自动驾驶系统构成严重的安全威胁。然而，现有方法在复杂动态场景中仍然脆弱，无法泛化到多样的几何（如观看配置）和辐射度（如动态光照、大气散射）变化。我们将这种缺陷归因于模拟和优化中的两个基本限制。首先，对粗略、过度简化模拟（如通过 CARLA）的依赖引入了显著的领域差距，将优化限制在有偏的特征空间中。其次，针对平均性能的标准策略导致崎岖的损失景观，使伪装容易受到配置变化的影响。为弥合这些差距，我们提出了基于可重光照物理 3D 高斯溅射（3DGS）的攻击框架（R-PGA）。技术上，为解决模拟保真度问题，我们利用 3DGS 确保照片级真实重建，并通过物理解耦属性将固有材质与光照解耦。此外，我们设计了一个混合渲染管线，利用精确的可重光照 3DGS 进行前景渲染，同时采用预训练的图像翻译模型合成与重光照前景对齐的合理重光照背景。为解决优化鲁棒性问题，我们提出了硬物理配置挖掘（HPCM）模块，旨在主动挖掘最差物理配置并抑制其对应的损失峰值。该策略不仅降低了整体损失幅度，还有效地平坦了崎岖的损失景观，确保在不同物理配置下保持一致的对抗有效性和鲁棒性。