3DVerifier: Efficient Robustness Verification for 3D Point Cloud Models

要約

3Dポイントクラウドモデルは、セーフティクリティカルなシーンに広く適用されており、モデルの堅牢性を検証するために、より確実な証明を取得する緊急の必要性をもたらします。
点群モデルの既存の検証方法は、時間とコストがかかり、大規模なネットワークでは計算上達成できません。
さらに、乗算レイヤーを含むジョイントアライメントネットワーク（JANet）を備えた完全なPointNetモデルを処理できないため、3Dモデルのパフォーマンスが効果的に向上します。
これにより、点群モデルのさまざまなアーキテクチャを検証するための、より効率的で一般的なフレームワークを設計するようになります。
大規模な完全なPointNetモデルを検証する際の重要な課題は、乗算層での交差非線形性操作と、高次元の点群入力および追加された層の高い計算の複雑さを処理することとして対処されます。
したがって、線形緩和関数を採用して乗算層を制限し、前方伝搬と後方伝搬を組み合わせて点群モデルの出力の認定境界を計算することにより、両方の課題に取り組む効率的な検証フレームワーク3DVerifierを提案します。
私たちの包括的な実験は、3DVerifierが効率と精度の両方の点で3Dモデルの既存の検証アルゴリズムよりも優れていることを示しています。
特に、私たちのアプローチは、大規模ネットワークの検証効率を桁違いに向上させ、取得された認定範囲は、最先端の検証者よりも大幅に厳しくなります。
コミュニティで使用できるように、ツール3DVerifierをhttps://github.com/TrustAI/3DVerifierからリリースします。

要約(オリジナル)

3D point cloud models are widely applied in safety-critical scenes, which delivers an urgent need to obtain more solid proofs to verify the robustness of models. Existing verification method for point cloud model is time-expensive and computationally unattainable on large networks. Additionally, they cannot handle the complete PointNet model with joint alignment network (JANet) that contains multiplication layers, which effectively boosts the performance of 3D models. This motivates us to design a more efficient and general framework to verify various architectures of point cloud models. The key challenges in verifying the large-scale complete PointNet models are addressed as dealing with the cross-non-linearity operations in the multiplication layers and the high computational complexity of high-dimensional point cloud inputs and added layers. Thus, we propose an efficient verification framework, 3DVerifier, to tackle both challenges by adopting a linear relaxation function to bound the multiplication layer and combining forward and backward propagation to compute the certified bounds of the outputs of the point cloud models. Our comprehensive experiments demonstrate that 3DVerifier outperforms existing verification algorithms for 3D models in terms of both efficiency and accuracy. Notably, our approach achieves an orders-of-magnitude improvement in verification efficiency for the large network, and the obtained certified bounds are also significantly tighter than the state-of-the-art verifiers. We release our tool 3DVerifier via https://github.com/TrustAI/3DVerifier for use by the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google