物理对抗补丁对单目深度估计基础模型的攻击效果研究

《Scientific Reports》：Attacking visual foundation depth estimation model with adaptable adversarial patch

　　视觉基础模型（VFMs）在各种下游任务和场景中展现了强大的泛化能力。然而，它们对对抗样本的脆弱性，尤其是在安全关键应用场景中，仍未得到充分理解。本文研究了物理对抗补丁对单目深度估计（MDE）模型的攻击效果，特别是广泛应用于自动驾驶和机器人导航等领域的Depth Anything基础模型。首先，我们提出了一种通用补丁攻击流程，并给出以下关键观察：1) 攻击效果：在MDE的逐像素密集预测任务中，对抗效应主要集中在补丁区域内，不会扩散到其他区域，表明与模型中的对抗效应主要集中在补丁区域内，不会扩散到其他区域，表明与