PulseAugur
中
实时 17:55:56
English(EN) Revealing Physical-World Semantic Vulnerabilities: Universal Adversarial Patch for Infrared Vision-Language Models

新型对抗性补丁UCGP利用红外视觉语言模型漏洞

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为通用曲网格补丁（Universal Curved-Grid Patch, UCGP）的新型对抗性补丁框架，旨在利用红外视觉语言模型（IR-VLMs）的漏洞。与以往的方法不同，UCGP针对开放式IR-VLM任务，旨在通过单个可部署的伪影同时降低分类、图像描述和视觉问答的性能。该框架使用低频曲网格，并通过一种驱动表示的目标进行优化，以扰乱视觉表示空间。实验表明，UCGP能够有效降低各种架构IR-VLM的性能，并泛化到不同的数据集和现实场景，凸显了当前红外多模态系统存在的重大鲁棒性问题。 AI

影响 凸显了红外多模态系统的一个关键漏洞，可能影响其在低可见性应用中的可靠性。

排序理由 详细介绍IR-VLM新型对抗攻击方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型对抗性补丁UCGP利用红外视觉语言模型漏洞

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Chengyin Hu, Yuxian Dong, Yikun Guo, Xiang Chen, Qike Zhang, Junqi Wu, Jiahuan Long, Jiujiang Guo, Yiwei Wei, Tingsong Jiang, Wen Yao ·

    揭示物理世界语义漏洞：红外视觉-语言模型的通用对抗性补丁

    arXiv:2604.03117v2 Announce Type: replace Abstract: Infrared vision-language models (IR-VLMs) are becoming important for semantic perception in low-visibility environments, yet their robustness to physical semantic attacks remains underexplored. Existing adversarial patch methods…

相关实体

相关话题