자율 주행의 시각 인식을 위한 딥 뉴럴 모델이 적대적 예제에 취약하다는 점에 착안하여, 스테레오 기반 양안 깊이 추정에 대한 물리적 적대적 예제(PAE)의 효과를 연구합니다. 기존의 2D 패치 기반 공격과는 달리, 본 연구에서는 시각적 일관성과 스테레오 카메라의 다양한 시점에서 공격 효과를 보장하기 위해 글로벌 위장 텍스처를 가진 3D PAE를 제안합니다. 또한, 양안 시야에서 PAE가 실제 위치 및 방향에 맞춰지도록 하는 새로운 3D 스테레오 매칭 렌더링 모듈과, 대상 객체를 환경에 매끄럽게 융합하는 새로운 병합 공격을 제안합니다. 광범위한 평가를 통해 제안된 PAE가 스테레오 모델이 잘못된 깊이 정보를 생성하도록 성공적으로 속일 수 있음을 입증합니다.