자율주행 시스템의 인식에 필수적인 온보드 카메라의 물리적 고장으로 인해 발생하는 적대적 예제를 생성하는 연구에 초점을 맞춥니다. 실제 실험을 통해 유리 파손이 감지 기반 신경망 모델의 실패를 야기한다는 것을 입증하고, 유한 요소 모델(FEM) 기반 접근 방식을 사용하여 유리 파손의 물리적 과정을 시뮬레이션하여 현실적인 물리 기반 적대적 예제를 생성합니다. PBR 기술을 활용하여 물리적으로 그럴듯한 균열을 시각화하고, KITTI, BDD100K, MS-COCO 데이터셋에 시뮬레이션된 깨진 유리 효과를 적용하여 CNN 기반 객체 감지 모델(YOLOv8, Faster R-CNN) 및 트랜스포머 기반 아키텍처의 감지 실패율을 평가합니다. 또한, K-L 발산을 계산하여 이러한 시각적 왜곡의 분포적 영향을 조사합니다.
