面向级联相机-激光雷达三维目标检测模型的通用物理攻击
计算机视觉与模式识别
2021-09-30 v2 图像与视频处理
摘要
我们提出了一种在自动驾驶汽车背景下，针对级联多模态深度学习网络（DNN）的通用且物理可实现的对抗攻击。DNN 在三维目标检测中已取得高性能，但已知其易受对抗攻击。这些攻击在 RGB 图像域和最近在点云域中已被大量研究，但很少同时在两个域中进行——这是本文要填补的空白。我们使用单一 3D 网格和可微渲染来探索扰动网格的几何与纹理如何降低 DNN 对对抗攻击的鲁棒性。我们攻击了一个著名的级联多模态 DNN，即 Frustum-Pointnet 模型。使用流行的 KITTI 基准，我们表明所提出的通用多模态攻击成功地将模型检测汽车的能力降低了近 73%。本工作有助于理解级联 RGB-点云 DNN 所学内容及其对对抗攻击的脆弱性。
引用
@article{arxiv.2101.10747,
title = {Towards Universal Physical Attacks On Cascaded Camera-Lidar 3D Object Detection Models},
author = {Mazen Abdelfattah and Kaiwen Yuan and Z. Jane Wang and Rabab Ward},
journal= {arXiv preprint arXiv:2101.10747},
year = {2021}
}