SAGA：针对三维网格的光谱对抗几何攻击
计算机视觉与模式识别
2023-09-26 v2
摘要
三角网格是最流行的三维数据表示之一。因此，用于网格处理的深度神经网络的部署广泛普及并日益受到更多关注。然而，神经网络易受对抗攻击，精心构造的输入会损害模型功能。探索这些漏洞的需求是未来三维应用发展的基本因素。近期，网格攻击在语义层面得到研究，其中分类器被误导产生错误预测。尽管如此，网格表面具有超越其语义意义的复杂几何属性，其分析常需要编码和重建形状的几何。我们提出一种针对三维网格自编码器的几何对抗攻击新框架。在此设定下，对抗输入网格通过迫使自编码器在其输出重建不同几何形状来欺骗它。恶意输入通过在光谱域扰动干净形状产生。我们的方法利用网格的光谱分解以及附加的网格相关属性，以获得考虑表面畸变精细度的视觉可信结果。我们的代码公开于 https://github.com/StolikTomer/SAGA。
引用
@article{arxiv.2211.13775,
title = {SAGA: Spectral Adversarial Geometric Attack on 3D Meshes},
author = {Tomer Stolik and Itai Lang and Shai Avidan},
journal= {arXiv preprint arXiv:2211.13775},
year = {2023}
}
备注
Presented at ICCV 2023. Project page: https://stoliktomer.github.io/SAGA/