面向基于骨架的动作识别的对抗脆弱性理解
计算机视觉与模式识别
2020-06-09 v2 机器学习
摘要
基于骨架的动作识别因其对动态环境的强适应性以及在自主与匿名监控等广泛应用中的潜力而受到越来越多的关注。在深度学习技术的帮助下，该领域也取得了实质性进展，目前在良性环境下准确率已达约90%。另一方面，关于基于骨架的动作识别在不同对抗设置下的脆弱性研究仍然匮乏，这可能引发将该技术部署到现实系统时的安全担忧。然而，由于骨架和人体动作独特的物理约束，填补这一研究空白具有挑战性。在本文中，我们试图对基于骨架的动作识别的对抗脆弱性进行深入研究以增进理解。我们首先通过将生理和物理约束以数学公式表示或近似，将对抗骨架动作的生成立式化为一个带约束的优化问题。由于带等式约束的原始优化问题难以求解，我们提出利用ADMM通过优化其无约束对偶问题来求解。随后，受近期理论与经验观察的启发，我们给出了一种高效的插件式防御以抵御对抗骨架动作。大量评估证明了该攻击与防御方法在不同设置下的有效性。
引用
@article{arxiv.2005.07151,
title = {Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition},
author = {Tianhang Zheng and Sheng Liu and Changyou Chen and Junsong Yuan and Baochun Li and Kui Ren},
journal= {arXiv preprint arXiv:2005.07151},
year = {2020}
}