Oct, 2023

面向可推广神经辐射场的有针对性对抗攻击

PDF
TL;DRNeural Radiance Fields（NeRFs）能够用稀疏的 2D 观测数据学习合成高质量图像，实现逼真的互动场景重建。然而，本文展示了使用低强度的对抗攻击和对抗补丁对具有通用性的 NeRFs 进行攻击，并演示了生成特定预定义输出场景的有针对性攻击。
neural radiance fields3d scene representationrenderingadversarial attackstargeted attacks
发现论文，激发创造
  • GANeRF: 利用判别器优化神经辐射场

    采用生成对抗网络对神经辐射场（NeRF）进行优化，修复 3D 场景重建中存在的照明、采样等问题，从而实现更高质量的渲染。

    Jun, 2023

  • Adv3D：使用 NeRF 在驾驶场景中生成 3D 对抗样本

    经过对 3D 物体检测的 DNN 系统进行研究，我们提出了 Adv3D，这是首次将对抗样本建模为神经辐射场（NeRF）的探索。我们训练了具有真实外观和 3D 准确生成能力的对抗性 NeRF，通过最小化训练集中 3D 检测器预测的周围物体置信度来训练。我们还提出了基于原始感知采样和语义引导正则化的方法，以生成适应于 3D 环境中的伪装对抗纹理的 3D 补丁攻击。实验结果表明，所训练的对抗性 NeRF 对不同姿势、场景和 3D 检测器具有很好的泛化性能。最后，我们提供了一种通过数据增强进行对抗性训练的防御方法。

    Sep, 2023

  • 揭示对抗扰动对可推广的神经辐射场的漏洞：NeRFool

    本研究提出 NeRFool 以深入了解 GNeRF 的对抗鲁棒性，并进一步开发出两种攻击方法和防御指南，从而为开发具有鲁棒性的实际应用奠定了基础。

    Jun, 2023

  • SAR-NeRF：合成孔径雷达多视角辐射场的神经辐射场

    本研究借鉴神经辐射场（NeRF）的概念，将 SAR 成像机制与神经网络相结合，提出了一种新的 SAR 图像生成模型 SAR-NeRF，它通过自动编码学习了体素的衰减系数和散射强度分布，并在少样本学习任务上实现了较高的分类精度。

    Jul, 2023

  • 神经辐射场（NeRFs）：综述与一些最近的发展

    Neural Radiance Field (NeRF) is a framework representing a 3D scene with MLP, achieving state-of-the-art photorealistic image renderings for view synthesis and expanding capabilities to generate views from dynamic scene representations with fewer images for training.

    Apr, 2023

  • 基于神经辐射场的视觉渲染方法综述

    近年来，神经辐射场（NeRF）在计算机视觉和图形领域取得了显着进展，为解决 3D 场景理解、新视角合成、人体重建、机器人等关键任务提供了强有力的技术支持。本文对过去两年内关于 NeRF 的研究文献进行了深入分析，在详细阐述 NeRF 核心架构的基础上，讨论了 NeRF 的各种改进策略，以及在不同应用场景中的案例研究，展示了其在不同领域的实际应用价值。同时，本文还详细介绍了 NeRF 模型训练所需的关键资源，最后提出了关于 NeRF 未来发展趋势和潜在挑战的前瞻性讨论，旨在为该领域的研究人员提供研究灵感，促进相关技术的进一步发展。

    Mar, 2024

  • BeyondPixels：神经辐射场演变的综合综述

    本文综述了近年来神经辐射场（NeRF）技术在 3D 渲染和视角合成领域的最新研究进展和其不同的架构设计。

    Jun, 2023

  • NeRF++：分析和改进神经辐射场

    通过 NeRF 的方法来实现对于图像的 View Synthesis, 本文提到了 NeRF 的成功之处以及在应用于大规模无界三维场景中进行改进，使其在 360° 的拍摄模式下提高拍摄质量。

    Oct, 2020

  • 自适应多 NeRF：利用自适应多尺度神经辐射场渲染中的高效并行性

    通过将场景自适应地细分为轴对齐的包围盒，并使用树层次结构方法将较小的 NeRF 分配给不同大小的子空间，该论文提出了一种有效的适应性多 NeRF 方法，以加速针对复杂场景的神经渲染过程，以实现对特定场景部分的精细神经表示。

    Oct, 2023

  • GNeRF：基于 GAN 的神经辐射场无需姿态相机

    提出了 GNeRF 框架，将生成对抗网络（GAN）与神经辐射场（NeRF）重建结合起来，应用于复杂场景的视角合成。该框架通过两个阶段的端到端优化，解决了较少研究的未知相机姿态外部场景问题，并在多种场景中取得了优异的效果。

    Mar, 2021