本研究では、深層神経ネットワークを用いた人間検出が対抗的操作に対して非常に脆弱であることを背景に、現実の監視環境における安全性とプライバシーのリスクを扱います。既存のアプローチはテクスチャをフレームごとに最適化するため、動きやポーズの変化がある長い動画シーケンスでの隠蔽を維持できません。本研究では、シャツ、ズボン、帽子用の自然で印刷可能な対抗テクスチャを生成し、歩行動画全体で効果的なシーケンスレベルの最適化フレームワークを導入します。テクスチャはUV空間にマッピングされ、色を印刷可能に保つためにICCロックが施されています。さらに、物理ベースの人間と衣服のシミュレーションパイプラインを利用し、運動や多角度カメラ、布の動力学、照明変化をシミュレートします。最適化の結果、強力な隠蔽性能と視点変化に対する高いロバスト性を示し、実際の衣服が現実環境での対人検出に効果的であることが確認されました。