SPARK：面向视觉跟踪的空间感知在线增量攻击
计算机视觉与模式识别
2020-07-23 v4
摘要
深度神经网络的对抗攻击已在图像、音频、自然语言、块与像素分类任务上被深入研究。然而，作为典型且重要的现实应用，在线视频目标跟踪（追踪物体运动轨迹而非其类别）的对抗攻击却鲜有探索。本文中，我们确定了视觉跟踪对抗攻击的一个新任务：在线生成不可感知的扰动，以将跟踪器误导至错误轨迹（无目标攻击，UA）或指定轨迹（有目标攻击，TA）。为此，我们首先通过改造现有攻击方法（即 FGSM、BIM 与 C&W）提出一种空间感知的基础攻击，并全面分析其攻击性能。我们指出在线目标跟踪带来两个新挑战：1）难以生成可跨帧迁移的不可感知扰动；2）实时跟踪器要求攻击满足一定效率水平。为应对这些挑战，我们进一步提出空间感知在线增量攻击（亦称 SPARK），其在线执行时空稀疏增量扰动，使对抗攻击更不易被察觉。此外，作为一种基于优化的方法，SPARK 通过考虑历史增量扰动，在数次迭代内快速收敛至极小损失，使其比基础攻击高效得多。在 OTB100、VOT2018、UAV123 与 LaSOT 上对最先进跟踪器（即采用 AlexNet、MobileNetv2 与 ResNet-50 的 SiamRPN++，以及 SiamDW）的深入评估表明，SPARK 在以微小扰动误导 UA 与 TA 下跟踪器方面具有有效性与可迁移性。
引用
@article{arxiv.1910.08681,
title = {SPARK: Spatial-aware Online Incremental Attack Against Visual Tracking},
author = {Qing Guo and Xiaofei Xie and Felix Juefei-Xu and Lei Ma and Zhongguo Li and Wanli Xue and Wei Feng and Yang Liu},
journal= {arXiv preprint arXiv:1910.08681},
year = {2020}
}
备注
18 pages, 5 figures. This paper has been accepted to ECCV2020