基于扩散的生成对抗对象用于单目深度估计攻击

本文探讨了自动驾驶中单目深度估计（MDE）对对抗性攻击的脆弱性。它提出了一种新方法，使用基于扩散的生成对抗攻击框架来创建逼真且有效的对抗性对象。关键创新在于生成物理上合理的物体，这些物体可以引起显著的深度偏移，从而克服了现有方法在真实性、隐蔽性和可部署性方面的局限性。这对于提高自动驾驶系统的鲁棒性和安全性至关重要。

• •提出了一种用于生成对抗性对象的新型基于扩散的方法。
• •解决了现有对抗性攻击方法在MDE中的局限性。
• •侧重于生成逼真且物理上合理的对抗性对象。
• •与现有方法相比，展示了改进的有效性、隐蔽性和可部署性。
• •对自动驾驶安全评估具有重要意义。