UV-Attack: 基于动态NeRF的UV映射的人员检测物理世界对抗攻击

于红博

摘要: 在最近的研究中，对使用补丁或基于静态3D模型的纹理修改的人员检测器的对抗性攻击由于人类运动的灵活性而遇到低成功率的困难。对各种动作造成的3D变形进行建模一直是一个主要挑战。幸运的是，用于动态人体建模的神经辐射场（NeRF）的进步带来了新的可能性。在本文中，我们介绍了UV-Attack，这是一种开创性的方法，即使对于广泛和未见的人类动作也能取得高成功率。我们通过利用基于动态NeRF的UV映射来解决上述挑战。UV-Attack可以生成跨越多种动作和视角的人类图像，甚至可以通过从SMPL参数空间中采样来创建新的动作。虽然动态NeRF模型能够建模人体，但修改服装纹理是具有挑战性的，因为它们嵌入在神经网络参数中。为了解决这个问题，UV-Attack生成UV映射而不是RGB图像，并修改纹理堆栈。这种方法实现了实时纹理编辑，使攻击更加实用。我们还提出了一种新颖的期望姿势转换损失（EoPT）来提高对未见姿势和视角的逃避成功率。我们的实验证明，UV-Attack在动态视频设置中对FastRCNN模型的攻击成功率达到了92.7％，明显优于最先进的AdvCamou攻击，后者仅有28.5％的ASR。此外，在黑盒设置中，我们在最新的YOLOv8检测器上实现了49.5％的ASR。这项工作突出了基于动态NeRF的UV映射在创建更有效的对人员检测器的对抗性攻击方面的潜力，解决了建模人类运动和纹理修改的关键挑战。代码可在https://github.com/PolyLiYJ/UV-Attack 上找到。

更新时间: 2025-10-30 14:04:15

领域: cs.CV,cs.AI

下载: http://arxiv.org/abs/2501.05783v2