3Dポイントクラウドのためのロバストな構造化宣言クラシファイア:暗黙勾配による敵対攻撃の防御【JST・京大機械翻訳】

Li Kaidong; Zhang Ziming; Zhong Cuncong; Wang Guanghui

プレプリント

J-GLOBAL ID：202202212194793644 整理番号：22P0311895

3Dポイントクラウドのためのロバストな構造化宣言クラシファイア:暗黙勾配による敵対攻撃の防御【JST・京大機械翻訳】

Robust Structured Declarative Classifiers for 3D Point Clouds: Defending Adversarial Attacks with Implicit Gradients

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022年03月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

PointNetのような3Dポイントクラウド分類のための深層ニューラルネットワークは,敵対攻撃に対して脆弱であることが実証された。現在の敵対防衛者は,再構成によって(攻撃された)ポイントクラウドを雑音除去するためにしばしば学習し,次にそれらを入力として分類器に供給する。文献とは対照的に,筆者らは,内部制約付き最適化機構が陰的勾配を通して敵対攻撃を効果的に防御できる点雲分類のためのロバスト構造化宣言分類器のファミリーを提案する。そのような分類器は,バイレベル最適化フレームワークを用いて定式化できる。さらに,著者らのアプローチ,即ち,格子点分類子(LPC)の実効的かつ効率的なインスタント化を,エンドツーエンド訓練可能な2D畳み込みニューラルネットワーク(CNN)における構造化スパース符号化に基づいて提案する。7つの異なる攻撃者の下で,ModelNet40とScanNetに関する最先端のロバストポイントクラウド分類性能を示した。例えば,最近のJGBA攻撃者の下の各データセットで89.51%と83.16%の試験精度を達成し,これは,約70%の点NetでDUP-NetとIF-Defenseより優れている。デモコードはhttps://zhang vislab.github.ioで利用可能である。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

データ保護 , パターン認識

, , , , , , , , , ,

前のページに戻る