StealthAttack: Envenenamento robusto de 3D Gaussian Splatting via ilusões guiadas por densidade

Os métodos de representação de cena 3D, como Campos de Radiação Neural (NeRF) e 3D Gaussian Splatting (3DGS), avançaram significativamente a síntese de novas vistas. À medida que esses métodos se tornam prevalentes, abordar suas vulnerabilidades torna-se crítico. Analisamos a robustez do 3DGS contra ataques de envenenamento em nível de imagem e propomos um novo método de envenenamento guiado por densidade. Nosso método injeta estrategicamente pontos gaussianos em regiões de baixa densidade identificadas via Estimativa de Densidade de Kernel (KDE), inserindo objetos ilusórios dependentes do ponto de vista claramente visíveis a partir de vistas envenenadas enquanto afeta minimamente vistas inocentes. Além disso, introduzimos uma estratégia adaptativa de ruído para interromper a consistência de múltiplas vistas, aumentando ainda mais a eficácia do ataque. Propomos um protocolo de avaliação baseado em KDE para avaliar sistematicamente a dificuldade do ataque, permitindo uma referência objetiva para pesquisas futuras. Experimentos extensivos demonstram o desempenho superior de nosso método em comparação com técnicas de ponta. Página do projeto: https://hentci.github.io/stealthattack/