3D点云的安全与挑战
一、背景介绍 随着计算机图形学的快速发展和人们对现实世界信息需求的增加，传统的2D图像已经不能很好地满足人们的需求，因此人们开始将目光转向3D数据。3D数据补充了2D图像，为更好地了解周围环境提供了机会。3D数据有许多数据格式，例如：深度图像(Depth image)、点云(Point cloud)、网格 (Mesh) 以及体素 (Voxel grid)。点云是最常用的数据格式之一，它保留了三维空间中的原始几何信息，并由大量的点组成，每个点都具有空间位置。 尽管深度学习在计算机视觉任务中取得了巨大成功，但对抗攻击的存在揭示了其脆弱性。此外，对抗性攻击为深度学习模型的评估和改进提供了一种强有力的手段，通过模拟攻击场景来识别模型的潜在弱点，并据此设计更加健壮的模型架构。随着3D点云数据在自动驾驶汽车、医疗保健、机器人技术等多个领域的广泛应用，确保这些系统在面对恶意攻击时的安全性和鲁棒性变得尤为重要。点云对抗攻击是其中一个日益受到关注的研究课题。点云对抗性样本在3D空间中不易被识别，但对模型的预测结果却有显著的影响。与2D图像的对抗攻击相比，点云的3D特性使得对抗样本的生成和检测更为复杂。图像和点云的对抗样本有以下几个主要区别： ...