arXiv · 机器人与计算机视觉· Linye Lyu, Jiawei Zhou, Daojing He, Yu Li·· 24 天前AI 评分72
面向多视角 BEV 3D 感知的有效且可迁移的物理伪装研究
Towards Effective and Transferable Physical Camouflage against Multi-View BEV-based 3D Perception in Autonomous Driving
AI 导读
针对现代自动驾驶系统广泛采用的多视角鸟瞰图(BEV)3D 感知模型的鲁棒性不足问题,本文提出 BEVCA 框架。该框架结合基于 BEV 特征的对抗损失与多视角神经渲染模块,实现了跨模型和任务的对抗伪装攻击。实验表明,该方法在数字及物理环境中均优于现有基线且具备强鲁棒性。代码已开源。
来源:arXiv · 机器人与计算机视觉 · arxiv.org