点云模型的鲁棒性认证
机器学习
2021-10-14 v2 人工智能
计算机视觉与模式识别
摘要
在自动驾驶等安全关键应用中使用深度三维点云模型，要求认证这些模型对真实世界变换的鲁棒性。这在技术上具有挑战性，因为它需要一个可扩展的、专为点云模型设计并能处理广泛语义三维变换的验证器。在本工作中，我们应对这一挑战并提出了 3DCertify，这是首个能够认证点云模型鲁棒性的验证器。3DCertify 基于两个关键见解：(i) 基于一阶泰勒近似的通用松弛，适用于任何可微变换；(ii) 对全局特征池化的精确松弛，其比逐点激活（例如 ReLU 或 sigmoid）更复杂，但在点云模型中常用。我们通过对分类和部件分割任务上广泛的三维变换（例如旋转、扭曲）进行大量评估，展示了 3DCertify 的有效性。例如，我们可以对 95.7% 的点云认证其对抗 ±60° 旋转的鲁棒性，并且我们的最大池化松弛将认证率提高了至多 15.6%。
引用
@article{arxiv.2103.16652,
title = {Robustness Certification for Point Cloud Models},
author = {Tobias Lorenz and Anian Ruoss and Mislav Balunović and Gagandeep Singh and Martin Vechev},
journal= {arXiv preprint arXiv:2103.16652},
year = {2021}
}
备注
International Conference on Computer Vision (ICCV) 2021