Bài báo này tập trung vào các ví dụ đối kháng dựa trên vật lý được tạo ra bởi các khuyết tật vật lý bên trong camera của xe tự hành. Hai thí nghiệm thực tế chứng minh rằng vỡ kính gây ra lỗi trong các mô hình phát hiện vật thể dựa trên mạng nơ-ron. Một nghiên cứu dựa trên mô phỏng khai thác các quá trình vật lý của vỡ kính tạo ra các ví dụ đối kháng dựa trên vật lý thực tế. Một phương pháp dựa trên mô hình phần tử hữu hạn (FEM) được sử dụng để tạo ra các vết nứt bề mặt trong ảnh camera bằng cách áp dụng trường ứng suất được xác định bởi các hạt trong lưới tam giác. Các kỹ thuật Kết xuất dựa trên Vật lý (PBR) được sử dụng để hình dung một cách thực tế các khuyết tật hợp lý về mặt vật lý này. Hiệu ứng kính vỡ mô phỏng được áp dụng làm bộ lọc hình ảnh cho các tập dữ liệu nguồn mở như KITTI và BDD100K, và các hàm ý về an toàn đối với các mạng nơ-ron phát hiện vật thể như YOLOv8, Faster R-CNN và Pyramid Vision Transformers được phân tích. Hơn nữa, độ phân kỳ Kullback-Leibler (KL) được tính toán giữa các tập dữ liệu khác nhau (cảnh quay của chúng tôi, KITTI và tập dữ liệu mèo và chó Kaggle) để nghiên cứu tác động phân phối của biến dạng hình ảnh. Kết quả phân tích phân kỳ KL cho thấy bộ lọc kính vỡ không gây ra thay đổi đáng kể trong phân phối dữ liệu.
