面向可泛化神经辐射场的定向对抗攻击
机器学习
2023-10-06 v1
摘要
神经辐射场（NeRFs）近来已成为一种强大的三维场景表示与渲染工具。这些由数据驱动的模型能够从稀疏的二维观测中学习合成高质量图像，从而实现逼真且可交互的场景重建。然而，NeRFs 在增强现实、机器人与虚拟环境等关键应用中的日益广泛使用，可能会受到对抗攻击的威胁。在本文中，我们展示了可泛化 NeRFs 如何受到低强度对抗攻击与对抗补丁的攻击，其中后者可具备足够的鲁棒性以用于现实世界应用。我们还展示了定向攻击，即通过这些攻击成功生成特定的、预定义的输出场景。
引用
@article{arxiv.2310.03578,
title = {Targeted Adversarial Attacks on Generalizable Neural Radiance Fields},
author = {Andras Horvath and Csaba M. Jozsa},
journal= {arXiv preprint arXiv:2310.03578},
year = {2023}
}