PulseAugur
中
实时 23:48:57
English(EN) LatentStealth: Unnoticeable and Efficient Adversarial Attacks on Expressive Human Pose and Shape Estimation

研究人员开发 LatentStealth，用于对人体姿态估计进行不可察觉的对抗性攻击

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为 LatentStealth 的新型对抗性攻击方法，旨在利用人体姿态和形状估计模型的漏洞。与之前会产生明显视觉变化的方​​法不同，LatentStealth 在模型的潜在空间内进行操作，产生细微但有效的扰动。这种方法可以在最小的视觉失真的情况下创建不当或冒犯性的内容，对数字人生成技术构成重大的安全风险。 AI

影响 凸显了数字人生成中的潜在安全风险，需要针对细微的对抗性攻击开发新的防御措施。

排序理由 详细介绍计算机视觉模型新型对抗性攻击方法的学术论文。

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 →

研究人员开发 LatentStealth，用于对人体姿态估计进行不可察觉的对抗性攻击

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Zhiying Li, Guanggang Geng, Yeying Jin, Shuyuan Lin, Fengyuan Ma, Zhaoxin Fan, Lili Wang ·

    LatentStealth: Unnoticeable and Efficient Adversarial Attacks on Expressive Human Pose and Shape Estimation

    arXiv:2505.12009v2 Announce Type: replace Abstract: Expressive human pose and shape estimation (EHPS) plays a central role in digital human generation, particularly in live-streaming applications. However, most existing EHPS models focus primarily on minimizing estimation errors,…

相关话题