StealthAttack：基于密度引导幻觉的鲁棒 3D Gaussian Splatting 投毒
计算机视觉与模式识别
2025-10-03 v1
摘要
诸如 Neural Radiance Fields (NeRF) 和 3D Gaussian Splatting (3DGS) 等 3D 场景表示方法显著推进了新视角合成。随着这些方法日益普及，解决其脆弱性变得至关重要。我们分析了 3DGS 对图像级投毒攻击的鲁棒性，并提出了一种新颖的密度引导投毒方法。我们的方法策略性地将高斯点注入通过核密度估计（KDE）识别出的低密度区域，嵌入从投毒视角清晰可见的视点依赖幻觉物体，同时对正常视角的影响降至最低。此外，我们引入了一种自适应噪声策略来破坏多视角一致性，进一步增强了攻击有效性。我们提出了一种基于 KDE 的评估协议以系统评估攻击难度，为未来研究提供客观基准。大量实验表明，与 SOTA 技术相比，我们的方法具有卓越性能。项目页面：https://hentci.github.io/stealthattack/
引用
@article{arxiv.2510.02314,
title = {StealthAttack: Robust 3D Gaussian Splatting Poisoning via Density-Guided Illusions},
author = {Bo-Hsu Ke and You-Zhe Xie and Yu-Lun Liu and Wei-Chen Chiu},
journal= {arXiv preprint arXiv:2510.02314},
year = {2025}
}
备注
ICCV 2025. Project page: https://hentci.github.io/stealthattack/