针对 3D 物体识别的视角不变对抗扰动

对抗攻击对 3D 物体识别构成了重大挑战，尤其是在涉及多视角分析且物体可从不同角度观测的场景中。本文引入了视角不变对抗扰动 (VIAP)，这是一种用于构造鲁棒对抗样本的新方法，使其在多个视角下均保持有效。与传统方法不同，VIAP 能够实现定向攻击，通过使用单一通用扰动即可操纵识别系统将物体分类为特定的预定标签。利用包含 121 个不同渲染 3D 物体的 1,210 张图像的数据集，我们展示了 VIAP 在定向和非定向设置下的有效性。我们的非定向扰动成功生成了对 3D 变换具有鲁棒性的单一对抗噪声，而定向攻击则取得了卓越的结果，在各种 epsilon 值下 top-1 准确率均超过 95%。这些发现突显了 VIAP 在实际应用中的潜力，例如测试 3D 识别系统的鲁棒性。所提方法为视角不变的对抗鲁棒性设定了新基准，推动了 3D 物体识别领域的对抗机器学习研究。