Bo-Hsu Ke You-Zhe Xie Yu-Lun Liu Wei-Chen Chiu

要約

Neural Radiance Fields（NeRF）や3Dガウススプラッティング（3DGS）といった3Dシーン表現手法は、新規視点合成技術において顕著な進展を遂げてきた。こうした手法が広く普及する中で、その脆弱性への対応がますます重要となっている。本研究では、画像レベルの汚染攻撃に対する3DGSの耐性を分析し、新たな密度誘導型汚染攻撃手法を提案する。本手法は、カーネル密度推定（KDE）により特定された低密度領域にガウス点を戦略的に挿入することで、攻撃された視点から明確に見える視点依存型の錯視物体を埋め込む一方で、無関係な視点への影響を最小限に抑える。さらに、多視点一貫性を破壊するための適応型ノイズ戦略を導入し、攻撃の効果をさらに強化している。攻撃の難易度を体系的に評価できるKDEに基づく評価プロトコルも提案し、今後の研究における客観的なベンチマークの実現を可能にしている。広範な実験により、最先端技術と比較して本手法が優れた性能を発揮することが確認された。プロジェクトページ：https://hentci.github.io/stealthattack/