인간 감지 딥 뉴럴 네트워크는 적대적 조작에 취약하여 실제 감시 환경에서 안전 및 개인 정보 보호 위험을 초래합니다. 본 연구에서는 자연스러운 프린트 가능한 적대적 텍스처를 생성하기 위해 시퀀스 수준 최적화 프레임워크를 도입했습니다. 이 텍스처는 셔츠, 바지, 모자에 적용되어 디지털 및 물리적 환경 모두에서 전체 보행 비디오에서 효과적으로 작동합니다. UV 공간 매핑, 컴팩트 팔레트 및 제어점 매개변수화, ICC 잠금, 물리 기반 인간-의복 파이프라인, 시간 가중치 기법을 활용한 변환 기대값을 사용한 최적화를 통해 딥러닝 모델의 인간 감지 신뢰도를 낮추도록 설계되었습니다. 실험 결과, 강력하고 안정적인 은폐 효과, 뷰포인트 변화에 대한 높은 견고성, 우수한 모델 간 전송성을 확인했습니다. 승화 인쇄를 통해 제작된 물리적 의류는 실내 및 실외 환경에서 감지를 억제하여 실제 적용 가능성을 입증했습니다.
