Physical Adversarial Attack on Monocular Depth Estimation via Shape-Varying Patches

要約

単眼深度推定 (MDE) システムに対する敵対的攻撃は、特に自動運転などの安全性が重要なアプリケーションにおいて、重大な課題を引き起こします。
MDE に対する既存のパッチベースの敵対的攻撃はパッチの付近に限定されており、ターゲット全体に影響を与えるのは困難です。
この制限に対処するために、パッチの内容、形状、位置を最適化して効果を最大化することを目的とした、形状変化パッチ (ASP) による攻撃と呼ばれるフレームワークを採用した、単眼奥行き推定に対する物理ベースの敵対的攻撃を提案します。
攻撃の柔軟性と効率を高めるために、四角形、長方形、円形のマスクを含むさまざまなマスク形状を導入しています。
さらに、パッチの影響を重複領域を越えて拡張するための新しい損失関数を提案します。
実験結果は、私たちの攻撃方法がパッチエリア 1/9 のターゲット車両に平均 18 メートルの深度エラーを生成し、ターゲットエリアの 98\% 以上に影響を与えることを示しています。

要約(オリジナル)

Adversarial attacks against monocular depth estimation (MDE) systems pose significant challenges, particularly in safety-critical applications such as autonomous driving. Existing patch-based adversarial attacks for MDE are confined to the vicinity of the patch, making it difficult to affect the entire target. To address this limitation, we propose a physics-based adversarial attack on monocular depth estimation, employing a framework called Attack with Shape-Varying Patches (ASP), aiming to optimize patch content, shape, and position to maximize effectiveness. We introduce various mask shapes, including quadrilateral, rectangular, and circular masks, to enhance the flexibility and efficiency of the attack. Furthermore, we propose a new loss function to extend the influence of the patch beyond the overlapping regions. Experimental results demonstrate that our attack method generates an average depth error of 18 meters on the target car with a patch area of 1/9, affecting over 98\% of the target area.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google