자율 주행 시스템의 인식에 사용되는 딥 뉴럴 모델이 적대적 예제에 취약하다는 점을 인지하고, 특히 스테레오 기반 양안 깊이 추정에 대한 물리적 적대적 예제(PAE)의 효과는 아직 연구가 미흡하다는 점에 착안하여 연구를 진행했습니다. 본 논문에서는 자율 주행 컨텍스트에서 스테레오 매칭 모델에 대한 최초의 텍스처 기반 PAE를 제안합니다. 이는 2D 패치 기반 공격이 아닌, 시각적 일관성과 다양한 뷰포인트에서의 공격 효과를 보장하는 전역 위장 텍스처를 가진 3D PAE를 사용합니다. 또한, 양안 시야에서 PAE를 실제 위치 및 방향에 맞추기 위한 새로운 3D 스테레오 매칭 렌더링 모듈과, PAE를 환경에 매끄럽게 병합하는 새로운 병합 공격을 제안하여 은밀성과 치명성을 향상시켰습니다. 광범위한 평가를 통해 제안된 PAE가 스테레오 모델이 잘못된 깊이 정보를 생성하도록 성공적으로 속일 수 있음을 입증했습니다.
