.png){kind=icon}
返回
Adversarial Geometric Attacks for 3D Point Cloud Object Tracking
.png){kind=icon}
PRE
AI
DOI：10.1109/TMM.2025.3557613.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
3D点云目标跟踪（3D PCOT）在自动驾驶和机器人等应用中发挥着关键作用。对抗攻击为提升跟踪模型的鲁棒性和安全性提供了有前景的方法。然而，现有的3D PCOT对抗攻击方法很少利用点云的几何结构，并且常常忽视攻击策略的迁移性。为解决这些局限性，本文提出了一种面向3D PCOT的对抗几何攻击方法，包括点扰动攻击模块（非等距变换）和旋转攻击模块（等距变换）。首先，我们引入了一种曲率感知的点扰动攻击模块，通过将法线扰动应用于通过曲率和熵等几何特征识别的关键点，增强了局部变换。其次，我们设计了一种基于Thompson采样的旋转攻击模块，对点云施加微小的全局旋转，在保持不可感知性的同时引入跟踪误差。此外，我们设计了一种融合损失函数，用于在搜索区域内迭代优化点云，生成对抗扰动样本。所提出的方法在多个3D PCOT模型上进行了评估，并通过基准测试的黑盒跟踪实验进行了验证。对于P2B，KITTI上的白盒攻击将成功率从53.3%降低到29.6%，精度从68.4%降低到37.1%。在NuScenes上，成功率从39.0%降低到27.6%，精度从39.9降低到26.8%。黑盒攻击显示出迁移性，BAT在KITTI上的成功率最高下降47.0%，精度下降47.2%，在NuScenes上最高分别下降22.5%和27.0%。
Keyword:
Adversarial attack
visual object tracking
3D point cloud object tracking
geometric structure
期刊
IF:
9.7
论文数:
4.7K
被引数:
2.4W
机构
引用论文
.png){kind=icon}
查看更多内容