针对视觉对象跟踪器的对抗性边界框生成 (ABBG) 攻击
计算机视觉与模式识别
2025-12-17 v3
摘要
对抗性扰动旨在欺骗神经网络以预测不准确的结果。对于视觉对象跟踪器，已开发出通过操控输出来生成扰动的攻击方法。然而，Transformer 跟踪器预测特定的边界框而非对象候选列表，这限制了许多现有攻击情景的适用性。为此，我们提出一种新颖的白盒方法，用于仅使用一个边界框攻击具有 Transformer 主干的视觉对象跟踪器。从跟踪器预测的边界框生成一组对抗性边界框并计算这些边界框的对抗损失。实验结果表明，我们简洁而有效的攻击在 TransT-M、ROMTrack 和 MixFormer 等几个稳健的 Transformer 跟踪器上，以及 GOT-10k、UAV123 和 VOT2022STS 等流行基准数据集上，优于现有攻击方法。
引用
@article{arxiv.2411.17467,
title = {Semantic-Free Procedural 3D Shapes Are Surprisingly Good Teachers},
author = {Xuweiyi Chen and Zezhou Cheng},
journal= {arXiv preprint arXiv:2411.17467},
year = {2025}
}
备注
3DV | SynData4CV @ CVPR2025 | Project Page: https://point-mae-zero.cs.virginia.edu/