SVAttack: Spatial-Viewpoint Transfer Attack on Graph Convolutional Skeleton Action Recognition

Zhize Wu

doi:10.1109/tifs.2026.3734764

SVAttack: Spatial-Viewpoint Transfer Attack on Graph Convolutional Skeleton Action Recognition

2026-09-17

0

PRE

AI

DOI：10.1109/tifs.2026.3734764

原文链接

原文求助

摘要

En 中文

基于图卷积网络的骨架动作识别已取得显著成功，并日益部署在安全关键型应用中。这促使对可能的攻击方法及其局限性进行研究。现有的针对骨架模型的对抗攻击在跨架构迁移性方面存在局限，且常表现出明显的感知失真。本文研究了根本制约骨架动作识别中迁移性的架构归纳偏差。基于结构和梯度层面的分析，我们提出：(1) 一种空间梯度抑制器，用于抑制模型特定的空间偏差；(2) 一种基于视角的约束机制，用于提升感知不可见性。在3个基准数据集、9种骨架动作识别模型、7种攻击方法和2种防御方法上的广泛实验结果表明，所提方法在保持视觉合理骨架运动的同时显著增强了迁移性，为骨架动作识别模型的迁移性对抗攻击建立了新的最佳水平。代码可在https://github.com/deep-wu/SVAttack获取。

Keyword:

Architectural Inductive Biases

Graph Convolution

Transfer Attack

Action Recognition

SVAttack: Spatial-Viewpoint Transfer Attack on Graph Convolutional Skeleton Action Recognition

摘要

期刊

机构

引用论文