CNCA: Toward Customizable and Natural Generation of Adversarial Camouflage for Vehicle Detectors

要約

車両探知機に対する物理的敵対的カモフラージュに関するこれまでの研究は、主に攻撃の有効性と堅牢性に焦点を当てていました。
現在最も成功している方法は、3D 車両テクスチャをピクセル レベルで最適化します。
ただし、これにより、生成された迷彩には、人間が簡単に識別できる、目立つ注目を集めるパターンが生成されます。
この問題に対処するために、既製の事前トレーニング済み拡散モデルを活用することにより、カスタマイズ可能で自然なカモフラージュ攻撃 (CNCA) 手法を提案します。
ユーザー固有のテキスト プロンプトを使用して拡散モデルから最適なテクスチャ画像をサンプリングすることにより、私たちの手法は、高い攻撃パフォーマンスを維持しながら、自然でカスタマイズ可能な敵対的カモフラージュを生成できます。
デジタル世界と物理世界における広範な実験とユーザー調査の結果、私たちが提案する方法は、競争力のある攻撃パフォーマンスを達成しながら、最先端のベースラインよりもはるかに自然な外観のカモフラージュを生成できることが実証されました。
私たちのコードは \href{https://anonymous.4open.science/r/CNCA-1D54}{https://anonymous.4open.science/r/CNCA-1D54} で入手できます。

要約(オリジナル)

Prior works on physical adversarial camouflage against vehicle detectors mainly focus on the effectiveness and robustness of the attack. The current most successful methods optimize 3D vehicle texture at a pixel level. However, this results in conspicuous and attention-grabbing patterns in the generated camouflage, which humans can easily identify. To address this issue, we propose a Customizable and Natural Camouflage Attack (CNCA) method by leveraging an off-the-shelf pre-trained diffusion model. By sampling the optimal texture image from the diffusion model with a user-specific text prompt, our method can generate natural and customizable adversarial camouflage while maintaining high attack performance. With extensive experiments on the digital and physical worlds and user studies, the results demonstrate that our proposed method can generate significantly more natural-looking camouflage than the state-of-the-art baselines while achieving competitive attack performance. Our code is available at \href{https://anonymous.4open.science/r/CNCA-1D54}{https://anonymous.4open.science/r/CNCA-1D54}

arxiv情報

提供元, 利用サービス

arxiv.jp, Google