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

초록

Neural Radiance Fields(NeRF) 및 3D Gaussian Splatting(3DGS)과 같은 3D 장면 표현 기법은 새로운 시점 합성 기술에 큰 발전을 이끌었다. 이러한 기법들이 점차 보편화됨에 따라, 그 취약성 문제 해결이 더욱 중요해지고 있다. 본 연구에서는 이미지 수준의 유해 공격(이미지 레벨 포이즌 공격)에 대한 3DGS의 저항성을 분석하고, 새로운 밀도 지도형 포이즌 공격 방식을 제안한다. 제안한 방법은 커널 밀도 추정(Kernel Density Estimation, KDE)을 통해 식별한 낮은 밀도 영역에 고유한 가우시안 포인트를 전략적으로 삽입함으로써, 공격된 시점에서 명확하게 보이는 시점에 의존적인 환상적 객체를 내장하면서도, 무고한 시점에 미치는 영향을 최소화한다. 또한, 다중 시점 일관성을 방해하기 위한 적응형 노이즈 전략을 도입하여 공격의 효과성을 더욱 강화한다. 공격의 난이도를 체계적으로 평가할 수 있도록 KDE 기반의 평가 프로토콜을 제안함으로써, 향후 연구를 위한 객관적 기준을 마련하였다. 광범위한 실험 결과를 통해 제안한 방법이 최신 기술 대비 우수한 성능을 보임을 입증하였다.프로젝트 페이지: https://hentci.github.io/stealthattack/