RGB-이벤트 기반 시각적 객체 추적의 취약성을 파헤치다: 새로운 적대적 공격 알고리즘 등장

본 기사는 중국과학기술대학교 연구진이 개발한 RGB-이벤트 기반 시각적 객체 추적에 대한 새로운 적대적 공격 알고리즘을 소개합니다. 이 알고리즘은 이벤트 스트림의 다양한 표현 방식을 고려하여 설계되었으며, 다양한 데이터셋에서 추적기 성능을 현저히 저하시키는 효과를 보였습니다. 공개된 소스 코드를 통해 연구의 재현성과 확장성을 확보했습니다.

RGB-이벤트 기반 시각적 객체 추적의 취약성을 파헤치다: 새로운 적대적 공격 알고리즘 등장

컴퓨터 비전과 다중 모드 융합 분야에서 핵심 연구 주제인 시각적 객체 추적. 최근 RGB 프레임과 이벤트 스트림을 결합한 강력한 시각적 추적이 주목받고 있습니다. 하지만 정확성과 효율성 향상과 더불어, RGB-이벤트 스트림 추적 알고리즘에 대한 효과적인 적대적 공격 및 방어 연구는 아직 미흡한 실정입니다.

중국과학기술대학교의 Chen Qiang을 비롯한 8명의 연구진은 이러한 한계를 극복하고자 RGB-이벤트 시각적 추적을 위한 혁신적인 교차 모드 적대적 공격 알고리즘을 제안했습니다. 이벤트 스트림의 다양한 표현 방식(복셀, 프레임)을 고려하여, 연구진은 이 두 가지 표현 방식에 대해 심층적인 연구를 수행했습니다.

핵심 연구 내용:

• RGB-이벤트 복셀: 적대적 손실을 통해 섭동을 최적화하여 RGB 프레임 적대적 예시를 생성합니다.
• 이산 이벤트 복셀 표현: 2단계 공격 전략을 제시합니다. 먼저, 초기 적대적 예시로 대상 영역에 이벤트 복셀을 주입하고, 이벤트 복셀의 공간적 위치를 변경하여 기울기 기반 최적화를 수행합니다.
• RGB-이벤트 프레임 기반 추적: 다중 모드 데이터의 기울기 정보를 통합하여 교차 모드 범용 섭동을 최적화합니다.

연구진은 제안된 접근 방식을 COESOT, FE108, VisEvent 등 세 가지 널리 사용되는 RGB-이벤트 추적 데이터셋에 적용하여 평가했습니다. 광범위한 실험 결과, 이 알고리즘은 단일 모드 및 다중 모드 시나리오 모두에서 여러 데이터셋에 걸쳐 추적기의 성능을 상당히 저하시키는 것을 보여줍니다. 더욱이, 소스 코드를 GitHub (https://github.com/Event-AHU/Adversarial_Attack_Defense) 에서 공개하여 연구의 재현성과 확장성을 높였습니다.

이 연구는 RGB-이벤트 기반 시각적 객체 추적 시스템의 취약성을 명확히 보여주는 동시에, 더욱 강력하고 안전한 시스템 개발을 위한 중요한 단서를 제공합니다. 앞으로 이 분야의 연구가 더욱 활발해질 것으로 예상되며, 안전하고 신뢰할 수 있는 AI 시스템 구축을 위한 노력이 계속될 것입니다.