SHIFT3D:合成用于欺骗 3D 检测器的困难输入
计算机视觉与模式识别
2023-09-13 v1 密码学与安全
机器学习
机器人学
摘要
我们提出 SHIFT3D,一个可微流水线,用于生成结构合理但对 3D 目标检测器具有挑战性的 3D 形状。在自动驾驶等安全关键应用中,发现此类新颖的困难物体可揭示 3D 检测器的未知漏洞。通过用有符号距离函数(SDF)表示物体,我们表明梯度误差信号使我们能够平滑地形变 3D 物体的形状或姿态,以混淆下游 3D 检测器。重要的是,SHIFT3D 生成的物体与基线物体在物理上不同,但保留了语义上可识别的形状。我们的方法为现代 3D 目标检测器提供了可解释的失效模式,并有助于在 3D 感知系统中的潜在安全风险演变为关键故障之前进行先发发现。
引用
@article{arxiv.2309.05810,
title = {SHIFT3D: Synthesizing Hard Inputs For Tricking 3D Detectors},
author = {Hongge Chen and Zhao Chen and Gregory P. Meyer and Dennis Park and Carl Vondrick and Ashish Shrivastava and Yuning Chai},
journal= {arXiv preprint arXiv:2309.05810},
year = {2023}
}
备注
Accepted by ICCV 2023