Jun, 2023

卷积式人体运动预测的对抗鲁棒性评估

PDF
TL;DR本文提出一种新的适用于人体运动序列的可调节的针对性对抗攻击方法，通过引入两个物理约束条件，提高对抗样本的无感知性，定量和定性结果表明，串联对抗样本可以很好地欺骗目标预测模型，提高人体运动预测器的对抗鲁棒性，但相较于帧至帧比较，该攻击样本比较容易被检测到。
发现论文，激发创造
  • 通过对抗攻击愚弄神经网络进行运动预测

    人体运动预测的敌对攻击实验表明，类似于图像分类中的初始阶段，针对 GCN 和基于 MLP 的多回归模型进行的广泛实验表明模型在较低程度的扰动下容易受到攻击，以及简单的 3D 变换能够影响模型的性能。

    Mar, 2024

  • 人体姿态估计的鲁棒性

    本文对人体姿态估计模型的对抗攻击和其鲁棒性进行全面深入的研究，基于多个数据集对多个 2D 单人姿态估计体系进行评测，探讨了回归型网络攻击等未曾被研究过的问题，并发现热力图建模型比直接回归模型更具鲁棒性。此外，文中还展示了通用扰动的可视化效果，并进行了用户研究。

    Aug, 2019

  • 对抗攻击下的稳健跟踪

    本文提出了一种基于视频序列的对抗攻击和防御方法，通过考虑时间运动并生成轻量级扰动，有效提高了深度跟踪算法的鲁棒性，结果表明该方法不仅能消除对抗攻击带来的大幅性能下降，同时在未受到攻击时也能获得额外的性能增益。

    Jul, 2020

  • 当人体姿态估计遭遇鲁棒性：对抗算法和基准测试

    本文旨在解决目前姿态估计算法对于数据噪声的不稳健性问题，提出了一种可以在广泛的姿态估计模型中提高鲁棒性的新算法 ——AdvMix，该算法包含对抗样本生成和知识蒸馏两部分，并经过大量数据实验验证其可显著提高姿态估计的鲁棒性。

    May, 2021

  • 深度学习相对姿态估计在太空交会中的鲁棒性对抗攻击检测

    基于解释性概念，我们提出了一种新的用于深度神经网络相对姿态估计的对抗攻击检测方法，并在轨交会场景中采用了创新的相对姿态估计技术，实现了从千里之外了解目标物体的相对位置和旋转。模拟实验结果表明，所提出的对抗攻击检测器具有 99.21% 的检测精度，并且在从实验室设计的装置中捕获的真实数据上进行了测试，结果显示所提出的对抗攻击检测器的平均检测精度达到了 96.29%。

    Nov, 2023

  • 通过对抗学习实现自然环境下的三维人体姿态估计

    本论文提出了一种对抗性学习框架，利用基于多源鉴别器的几何描述符对在野外场景下的 2D 姿态注释图像进行 3D 人体姿态估计。实验证明，该方法在公共基准测试上明显优于以往的最先进方法。

    Mar, 2018

  • 利用约束概率人体运动预测增强人机协作

    人体运动预测是高效和安全的人机协作的重要步骤。我们提出了一种新颖的人体运动预测框架，该框架在高斯过程回归模型中结合了人体关节约束和场景约束，以在一定时间范围内预测人体运动。该框架还结合了在线上下文感知约束模型来利用任务相关的运动，并在人机协作设置中使用 UR5 机器人手臂实现了实时性能。模拟和实验结果表明，当明确考虑这些约束条件时，高斯过程框架的性能得到了显著改善。

    Oct, 2023

  • 探索基于骨架动作识别的对抗性漏洞

    本研究采用深度学习技术，针对基于骨骼的动作识别的敌对性弱点进行分析，并提出了一种基于约束优化和 ADMM 的优化算法及防御机制。经过广泛评估，该方法在不同情境下具有良好的攻击及防御效果。

    May, 2020

  • 通过输入转换、防御扰动和投票检测对抗性样本

    本文探讨在可对抗的变形情况下检测对抗攻击，并提出一种名为 defense perturbation 的新方法来检测具有相同输入变换与可靠的对抗攻击。同时介绍了多网络对抗例子，这种对抗例子可以同时欺骗多个网络。

    Jan, 2021

  • 面向神经网络的不可察觉且强韧对抗样本攻击

    该研究提出了一种新的对抗样本攻击方法，考虑到人类感知系统并最大化制作的对抗样本的噪声容忍度，实验结果证明了该技术的有效性。

    Jan, 2018