PulseAugur
中
实时 12:20:00
English(EN) SegPAR: Class-Centric Decision-Based Sparse Attack for Semantic Segmentation

新的SegPAR框架增强了语义分割的稀疏攻击

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出SegPAR，一个旨在改进语义分割稀疏决策黑盒攻击的新框架。现有方法由于其图像中心方法在查询效率方面存在困难，该方法会迅速耗尽查询预算。SegPAR通过采用类别中心探索范式并结合新颖的差异奖励来缓解像素累积过程中的误导性反馈，从而解决这一问题。实验表明，SegPAR在稀疏效率和MIoU降低方面优于当前的黑盒基线，同时与白盒攻击保持竞争力。 AI

影响 这项研究可以通过改进对抗性攻击技术，从而实现更强大的语义分割模型。

排序理由 该集群包含一篇详细介绍计算机视觉中对抗性攻击新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新的SegPAR框架增强了语义分割的稀疏攻击

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Dongsu Song, DaeYun GO, Boseung Seo, Jay Hoon Jung ·

    SegPAR：面向语义分割的类别中心决策稀疏攻击

    arXiv:2608.11285v1 Announce Type: cross Abstract: Despite the practical relevance of sparse decision-based black-box threats, they have received limited attention in semantic segmentation. To bridge this gap, we adapt the most representative decision-based black-box sparse attack…

相关实体

相关话题