AntiVision-SDK

AntiVision 项目日志

已完成

五次独立复现

在 Mixamo Quantum Soldier 上做了 5 次独立 G_A 训练 + 24 视角验证。结果一致：YOLOv8n 置信度从 0.79 降到 0.15，降幅 81%。YOLOv5s 从 0.22 降到 0.13，降幅 39%。

十一条实验记录

• 古代战士 v13 单材质梯度投影 — 100% 成功
• Quantum Soldier 上 FRCNN 检测头梯度投影 — 失败（FRCNN 看不人）
• SPSA 像素级盲搜 — 失败（维度灾难）
• DCT SPSA — 失败（块间不协调）
• FRCNN 特征层 + COMBINED — 部分成功（单材质有效，拼起来打架）
• COMBINED 联合梯度投影（六材质）— 有效，五次复现
• YOLO backbone 梯度 — NaN 爆炸
• 其余：COMBINED + 多视角 EOT / YOLO Backbone Hook / 古代战士全材质

公开产物

• GitHub 仓库：https://github.com/fringe-karma/AntiVision-SDK
• 知乎文章：一个高中生，把 AI 视觉外挂逼到了墙角
• 评论区收获：一名光子 TA 的脉脉接触、多条技术批评、多次社区讨论

已知局限性

• 完全依赖 YOLO 默认预训练权重：未在自训权重上验证
• FRCNN 检测头必须能看到渲染人物：古代战士能，量子兵不能
• 渲染器差距：nvdiffrast 渲染经不起 4K 缩放测试、DLSS 未测
• 攻击迁移性脆弱：换 backbone 或微调后大概率失效
• CNN 偏向假设在 ViT 等架构上未检验

下一步

1. 用 YOLOv8n 微调版测迁移性
2. 重建 OBS 压缩实验
3. 准备 UE 验证环境
4. Get 第一个真实客户角色模型
5. 写第二篇知乎文章：五次复现 + 实验惨败记录