基于物理环境优化的单目深度估计对抗攻击

Research Paper#Adversarial Attacks, Monocular Depth Estimation, Computer Vision🔬 Research|分析: 2026年1月3日 08:41•
发布: 2025年12月31日 11:30
•
1分で読める
•ArXiv

分析

本文探讨了单目深度估计深度学习模型对对抗攻击的脆弱性。这很重要，因为它突出了计算机视觉应用中的一个实际安全问题。使用物理环境优化（PITL），考虑了真实的设备规格和干扰，为攻击增加了现实性和实用性，使研究结果与现实世界场景更相关。本文的贡献在于展示了如何构造对抗样本以导致显著的深度错误估计，从而可能导致场景中物体消失。
引用 / 来源
查看原文
"The proposed method successfully created adversarial examples that lead to depth misestimations, resulting in parts of objects disappearing from the target scene."
A
ArXiv2025年12月31日 11:30
* 根据版权法第32条进行合法引用。
较旧

This AI Boom Will Also Bust

较新

Copying Angry Birds with nothing but AI

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv