物理的環境を考慮した最適化を用いた単眼深度推定に対する敵対的攻撃

本論文は、単眼深度推定における深層学習モデルの敵対的攻撃に対する脆弱性に対処しています。これは、コンピュータビジョンアプリケーションにおける現実的なセキュリティ上の懸念事項を浮き彫りにしているため、重要です。物理的環境を考慮した最適化（PITL）の使用は、実際のデバイス仕様と外乱を考慮しており、攻撃に現実性と実用性を付加し、その結果を現実世界のシナリオにより関連性の高いものにしています。本論文の貢献は、敵対的サンプルがどのように作成され、深度の誤推定を引き起こし、シーン内のオブジェクトの消失につながる可能性があるかを示している点にあります。

• •単眼深度推定モデルの敵対的攻撃に対する脆弱性を実証。
• •投影ベースの敵対的攻撃手法を提案。
• •現実的な攻撃シミュレーションのために、物理的環境を考慮した最適化（PITL）を採用。
• •敵対的サンプルが、著しい深度の誤推定とオブジェクトの消失を引き起こす可能性があることを示す。