基于表观的视线估计的脆弱性
计算机视觉与模式识别
2021-03-25 v1
摘要
基于表观的视线估计借助深度学习取得了显著进展。然而，许多基于深度学习的方法存在脆弱性缺陷，即利用噪声扰动原始图像会使视线估计模型产生混淆。尽管扰动后的图像在视觉上与原始图像相似，视线估计模型却输出错误的视线方向。本文中，我们研究基于表观的视线估计的脆弱性。据我们所知，这是首次发现视线估计的脆弱性。我们从多个方面系统性地刻画了该脆弱性属性：基于像素的对抗攻击、基于补丁的对抗攻击以及防御策略。实验结果表明，在Full-Face、Gaze-Net、CA-Net与RT-GENE这四种流行的基于表观的视线估计网络中，CA-Net在抗攻击方面表现最优。本研究提请基于表观的视线估计领域的研究人员关注对抗攻击的防御。
引用
@article{arxiv.2103.13134,
title = {Vulnerability of Appearance-based Gaze Estimation},
author = {Mingjie Xu and Haofei Wang and Yunfei Liu and Feng Lu},
journal= {arXiv preprint arXiv:2103.13134},
year = {2021}
}