不吃香菜葱的程序猿-优快云博客

原创《Detection Drives an End-to-End Fusion of Infraredand Visible Images Based on Diffusion Models》论文分享

原文链接：https://doi.org/10.1109/tip.2026.3671618author={Huang, Kexin and Zhang, Zhiyuan and Shi, Chaohua and Luo, Lan and Shi, Junpeng and Liu, Yongxiang}Abstract红外与可见光图像融合方法已取得良好效果，但现有方法要么通过独立的融合过程牺牲了下游检测性能，要么在融合与检测模型需联合训练的情况下，牺牲了计算效率和灵活性。为解决这些问题，我们提出了一种基于扩散

2026-11-03 18:04:06 237

原创《DDFD: Diffusion-Based Denoising Fusion for Object Detection inInfrared-Visible Images》论文分享（侵删）

原文链接：https://doi.org/10.1145/3746027.3755183author={Dang, Min and Liu, Gang and Zhao, Jingqi and Kong, Adams Wai-Kin and Luo, Nan and Wang, Di}Abstract红外-可见光图像融合目标检测(IVIF-OD)的目的是利用两种模式的互补信息来合成具有更丰富信息的新图像来服务于目标检测。现有的大多数工作都集中在如何更好地融合像素级细节，而忽略了检测所需的与目标相关的信息，并

2026-10-26 10:43:00 179

原创 Dif-CDFusion: A Diffusion-BasedCommon–Differential Network for Infrared andVisible Image Fusion论文分享

原文链接：https://doi.org/10.1109/tgrs.2025.3591809author={Liu, Guanyu and Zhang, Ruiheng and Xu, Lixin and Zhang, Qi and Zhou, Daming}Abstract红外(IR)和可见光(VIS)图像融合旨在通过融合互补传感器数据来增强场景表示。然而，现有的方法不能协调光谱保真度与结构一致性。一方面，灰度融合方法通过丢弃颜色信息来保留结构细节，固有地牺牲了光谱保真度。另一方面，颜色融合技术保持了光谱

2026-10-19 21:21:55 156

原创 CFMW: Cross-modality Fusion Mamba for Multispectral Object Detection under Adverse Weather Condition

原文链接：https://doi.org/10.1109/tcsvt.2025.3587918author={Li, Haoyuan and Hu, Qi and Zhou, Binjia and Yao, You and Lin, Jiacheng and Yang, Kailun and Chen, Peng}ABSTRACT融合了可见光-红外光谱线索的跨通道图像可以为目标检测提供更丰富的补充信息。尽管如此，现有的可见光-红外目标探测方法在恶劣天气条件下严重退化。这是因为可见光图像对雨、霾和雪等环境干扰

2026-10-14 20:51:09 340

原创《Mask-DiFuser: A Masked Diffusion Model forUnified Unsupervised Image Fusion》论文分享（侵删）

原文链接：ieeexplore.ieee.org/document/11162636/author={Tang, Linfeng and Li, Chunyu and Ma, Jiayi}Abstract在大多数融合任务中，基本事实(GT)的缺乏给模型的优化、评估和推广带来了巨大的挑战。现有的实现互补上下文聚合的融合方法主要依赖于手工制定的融合规则和复杂的损失函数，这引入了主观性，往往无法适应复杂的现实场景。为了应对这一挑战，我们提出了一种新的融合范例MASK-DiFuser，它巧妙地将无监督图像融合任务转

2026-10-12 11:31:25 129

原创《Multi-modality Image Fusion under Adverse Weather: Mask-Guided Feature Restoration and Interaction》

然而，由于公式4的分母中的亮度偏差是由来自可见图像而不是语义内容的退化因素驱动的，所以退化信息主导了加权，违反了掩模的去耦合原则，并且阻止了它捕捉实际的模式分布。现有的理想条件下的研究主要集中在跨通道信息交互[12，21，28，46]，统一融合框架设计[4，19，37，49]，以及任务驱动优化[1，20，32，35，39]。然而，虽然这种方法降低了优化的复杂性，但它不能完全解决复杂场景下的融合挑战，因为现有方法从干净的图像生成的伪地面真实仍然存在信息损失和通道偏差。公式3定义了传统图像融合的合成范例。

2026-10-10 18:06:38 278

原创《Pushing the Boundaries of Salient Object Detection:A Denoising-Driven Approach》论文分享（侵删）

原文链接：ieeexplore.ieee.org/document/11031107/author={Song, Mengke and Li, Luming and Yu, Xu and Chen, Chenglizhao}摘要显著目标检测旨在识别图像中最引人注目的区域，并将显著目标与其背景区分开来。目前的SOD方法主要使用区分方法，这种方法对于清晰的图像效果很好，但在对象和背景之间具有相似颜色和纹理的复杂场景中很难实现。为了解决这些局限性，我们引入了基于扩散的显著对象检测模型(DiffSOD)，该模型利用

2026-10-09 20:30:31 303

原创《Unaligned UAV RGBT Tracking: A Largescale Benchmark and A Novel Approach》论文分享（侵删）

原文链接：Unaligned UAV RGBT Tracking: A Largescale Benchmark and a Novel Approach| Proceedings of the AAAI Conference on Artificial Intelligenceauthor={Xiao, Yun and Wang, Yuhang and Jin, Jiandong and Zhang, Wankang and Li, Chenglong}摘要随着低空经济的快速发展，无人机场景下的多通道视觉

2026-09-23 09:34:15 175

原创《Multi-modality Image Fusion under Adverse Weather: Mask-Guided Feature Restoration and Interaction》

然而，由于公式4的分母中的亮度偏差是由来自可见图像而不是语义内容的退化因素驱动的，所以退化信息主导了加权，违反了掩模的去耦合原则，并且阻止了它捕捉实际的模式分布。现有的理想条件下的研究主要集中在跨通道信息交互[12，21，28，46]，统一融合框架设计[4，19，37，49]，以及任务驱动优化[1，20，32，35，39]。然而，虽然这种方法降低了优化的复杂性，但它不能完全解决复杂场景下的融合挑战，因为现有方法从干净的图像生成的伪地面真实仍然存在信息损失和通道偏差。公式3定义了传统图像融合的合成范例。

2026-07-25 17:56:18 348

原创《MambaVT: Spatio-Temporal Contextual Modeling for robust RGB-T Tracking》论文分享（侵删）

原文链接：MambaVT: Spatio-Temporal Contextual Modeling for Robust RGB-T Tracking | IEEE Journals & Magazine | IEEE Xplore author={Lai, Simiao and Liu, Chang and Zhu, Jiawen and Kang, Ben and Liu, Yang and Wang, Dong and Lu, Huchuan}Abstract 现有的RGB-T跟踪算法通

2026-06-23 11:01:49 203

原创 RSGMamba Reliability-Aware Self-Gated State Space Model for Multimodal Semantic Segmentation论文分享（侵删）

原文链接：[2604.12319] RSGMamba: Reliability-Aware Self-Gated State Space Model for Multimodal Semantic Segmentation author={Xu, Guoan and Xiao, Yang and Gao, Guangwei and Zhu, Dongchen and Qi, Guo-Jun and Jia, Wenjing}摘要多通道语义分割通过利用来自多个传感通道(例如，RGB、深度和温度)的互补信息，已

2026-06-23 11:01:34 199

原创《Deformable Cross-Attention Transformer for Weakly Aligned RGB–T Pedestrian Detection》论文分享（侵删）

原文链接：https://doi.org/10.1109/tmm.2025.3543056author={Yu Hu and Xiaobo Chen and Sheng Wang and Luyang Liu and Hengyang Shi and Lihong Fan and Jing Tian and Jun Liang}Abstract行人检测在自动驾驶系统中起着至关重要的作用。为了在具有挑战性的条件下确保可靠和有效的检测，研究人员提出了RGB-T(RGB-热)检测器，它将热图像与彩色图像相结合，以

2026-05-27 09:51:34 384

原创《DAMSDet: Dynamic Adaptive Multispectral Detection Transformer...Adaptive Feature Fusion》论文分享(侵删)

原文链接：https://doi.org/10.1007/978-3-031-73383-3_27author={Junjie Guo and Chenqiang Gao and Fangcen liu and Deyu Meng and Xinbo Gao}摘要红外可见光目标检测的目标是通过融合红外和可见光图像的互补信息来实现稳健甚至全天候的目标检测。然而，高度动态变化的互补特征和普遍存在的通道错位使得互补信息的融合变得困难。在本文中，我们提出了一种动态自适应多光谱检测转换器(DAMSDet)来同时解决这

2026-04-24 09:46:00 369

原创 Weakly Misalignment-free Adaptive Feature Alignment for UAVs-basedMultimodal Object Detection分享（侵删）

原文链接：https://doi.org/10.1109/cvpr52733.2024.02534author={Chen Chen and Jiahao Qi and Xingyue Liu and Kangcheng Bin and Ruigang Fu and Xikun Hu and Ping Zhong}摘要可见光-红外(RGB-IR)图像融合在无人机目标检测中显示出巨大的潜力。然而，多模式图像对之间的弱不对齐问题限制了它在目标检测中的性能。现有的大多数方法往往忽视通道间隙，而强调严格的比对，导致

2026-04-22 22:09:19 410

原创《SM3Det: A Unified Model for Multi-Modal Remote Sensing Object Detection》论文分享（侵删）

原文链接：https://doi.org/10.1609/aaai.v40i8.37603author={Yuxuan Li and Xiang Li and Yunheng Li and Yicheng Zhang and Yimian Dai and Qibin Hou and Ming-Ming Cheng and Jian Yang}摘要随着遥感技术的快速发展，高分辨率多模式图像的获取越来越广泛。传统的目标检测模型是在单个数据集上训练的，通常限于特定的成像形态和注释格式。然而，这种方法忽略了跨多个通

2026-04-21 21:40:25 456

原创《Improving RGB-infrared object detection with cascade alignment-guided transformer》论文分享（侵删）

原文链接：https://doi.org/10.1016/j.inffus.2024.102246author={Maoxun Yuan and Xiaorong Shi and Nan Wang and Yinyan Wang and Xingxing Wei}摘要多光谱数据在目标检测中的融合，特别是可见光和红外图像，是近年来备受关注的课题。来自可见光(RGB)和红外(IR)图像的互补信息可以改善可变光照条件带来的挑战，使其成为许多领域的宝贵资源，包括RGB-IR目标检测、RGB-IR语义分割和RGB-I

2026-04-20 16:56:46 432

原创《C2Former: Calibrated and Complementary Transformer for RGB-Infrared Object Detection》论文分享（侵删）

原文链接：https://doi.org/10.1109/tgrs.2024.3376819author={Maoxun Yuan and Xingxing Wei}摘要可见光(RGB)和红外(IR)图像上的目标检测作为一种新兴的解决方案，为全天候应用提供了可靠的检测手段，近年来受到了广泛的关注。在红外图像的帮助下，利用RGB-IR组合信息，目标检测器在实际应用中更加可靠和健壮。然而，现有的方法仍然存在着模态误校和融合精度不高的问题。由于Transform对不同特征之间的成对相关性建模能力很强，本文提出了一

2026-04-16 14:55:31 547

原创《IGIANet: Illumination Guided Implicit Alignment Network for Infrared–Visible UAV Detection》论文分享（侵删）

2025)，C2 Former(袁和魏，2024)，SLBAF-Net(程等人2023)、CoDAF(宗珍等人2025)、MBNet(周、陈、曹2020)、慈安(张等2019a)，以及TSFADet(袁，Wang，魏，2022)，我们的方法取得了优越的性能。广泛的实验表明，IGIANet在各种基准测试上的表现优于最先进的模型，在DroneVehicle上获得了80.9%的MAP，在VEDAI上获得了57.1%的MAP，在FLIR上获得了49.4%的MAP。Am(u，v)是对应的频域调制权重映射。

2026-04-14 11:44:04 510

原创《Dark-ISP: Enhancing RAW Image Processing for Low-Light Object Detection》论文分享（侵删）

原文链接：https://arxiv.org/abs/2509.09183author={Jiasheng Guo and Xin Gao and Yuxiang Yan and Guanghao Li and Jian Pu}摘要弱光目标检测对于许多现实世界的应用是至关重要的，但由于图像质量下降，仍然具有挑战性。虽然最近的研究表明，原始图像比RGB图像具有更好的潜力，但现有的方法要么使用具有信息损失的原始RGB图像1，要么使用复杂的框架。为了解决这些问题，我们提出了一个轻量级的自适应图像信号处理(Isp)

2026-04-08 18:57:17 396

原创《Unified Adversarial Patch for Cross-modal Attacks in the Physical World》论文分享（侵删）

原文链接：https://doi.org/10.1109/tpami.2023.3330769author={Xingxing Wei and Yao Huang and Yitong Sun and Jie Yu}摘要最近，为了躲避基于DNN的对象检测器，已经出现了物理对抗性攻击。为了确保安全，多个场景同时部署了可见光传感器和红外传感器，导致这些单模物理攻击失败。为了显示这种场景下的潜在风险，我们提出了一个统一的对抗性补丁来执行跨模式的物理攻击，即通过一个补丁同时欺骗可见光和红外目标探测器

2026-04-01 21:45:55 359

原创《WaveMamba: Wavelet-Driven Mamba Fusion for RGB-Infrared ObjectDetection》论文分享（侵删）

原文链接：https://dblp.uni-trier.de/rec/journals/corr/abs-2507-18173.htmlauthor={Haodong Zhu and Wenhao Dong and Linlin Yang and Hong Li and Yuguang Yang and Yangyang Ren and Qingcheng Zhu and Zichao Feng and CHANGBI LI and Shaohui Lin and Runqi Wang and Xiaoya

2026-03-26 21:35:48 416 1

原创《Orthogonal Subspace Decomposition for Generalizable AI-Generated ImageDetection》论文分享（侵删）

author={Zhiyuan Yan and Jiangming Wang and Peng Jin and Ke-Yue Zhang and Chengchun Liu and Shen Chen and Taiping Yao and Shouhong Ding and Baoyuan Wu and Li Yuan}原文链接：https://arxiv.org/abs/2411.15633摘要人工智能生成的图像(AIGI)，如自然图像或人脸图像，已变得越来越重要，但也越来越具有挑战性。本文从一个新的角

2026-03-05 15:35:21 391

原创《Conditional Diffusion Models for Camouflaged andSalient Object Detection》论文分享（侵删）

原文链接：https://doi.org/10.1109/tpami.2025.3527469author={Ke Sun and Zhongxi Chen and Xianming Lin and Xiaoshuai Sun and Hong Liu and Rongrong Ji}摘要伪装目标检测（COD）是计算机视觉领域的一项重大挑战，在实际应用中起着至关重要的作用。现有的COD方法在用高置信度预测准确预测细微差别的边界方面经常面临挑战。在这项工作中，我们介绍了一种新的学习方法CamoDiffulat

2026-01-05 22:06:48 948

原创《Removal and Selection: Improving RGB-Infrared Object Detection viaCoarse-to-Fine Fusion》论文分享（侵删）

原文链接：https://arxiv.org/abs/2401.10731author={Tianyi Zhao and Maoxun Yuan and Feng Jiang and Nan Wang and Xingxing Wei}摘要近年来，可见光(RGB)和红外(IR)图像中的目标检测得到了广泛的应用。利用RGB和IR图像的互补特性，目标探测器从白天到晚上提供可靠和稳健的目标定位。现有的融合策略直接将RGB和IR图像注入卷积神经网络，导致检测性能较差。由于RGB和IR特征具有特定于通道的噪声，这些策

2025-12-15 11:42:53 587

原创《Representation Space Constrained Learning with Modality Decoupling for Multimodal Object Detection》

author={YiKang Shao and Tao Shi},原文链接： https://arxiv.org/abs/2511.15433摘要多通道目标检测由于其较强的鲁棒性，在学术界和工业界都引起了广泛的关注。虽然许多研究都集中在改进通道融合策略上，但大多数忽略了融合退化，并且没有一个对其潜在原因提供理论分析。为了填补这一空白，本文对多模式检测中的融合退化问题进行了系统的理论研究，发现了两个关键的优化缺陷：(1)在多模式结构下，单峰分支主干的梯度被严重抑制，导致单峰分支的欠优化；(2)通道质量的差异导

2025-12-01 20:09:17 831

原创《Rethinking Multi-modal Object Detection from the Perspective ofMono-Modality Feature Learning》论文分享

原文链接：https://arxiv.org/abs/2503.11780author={Tianyi Zhao and Boyang Liu and Yanglei Gao and Yiming Sun and Maoxun Yuan and Xingxing Wei},摘要多模式目标检测(MMOD)由于对各种复杂环境具有较强的适应性，在各种应用中得到了广泛的应用。大量的研究致力于RGB-IR目标检测，主要集中在如何整合RGB-IR模式的互补特征。然而，它们忽略了多模式联合学习中单峰学习不足的问题，即特征

2025-11-20 08:49:31 963

原创《SAFETY MIRAGE: HOW SPURIOUS CORRELATIONS UNDERMINE VLM SAFETY FINE-TUNING ...》论文分享（侵删）

原文链接：https://arxiv.org/abs/2503.11832摘要最近的视觉语言模型(VLM)在使用多通道输入，特别是文本和图像的生成性建模方面取得了显著进展。然而，当它们暴露在不安全的查询中时，很容易产生有害内容，这引发了严重的安全问题。虽然当前的比对策略主要依赖于对经过精选的数据集进行监督的安全微调，但我们确定了一个基本限制，我们称之为“安全海市蜃楼”，其中监督的微调无意中强化了表面文本模式和安全反应之间的虚假关联，而不是促进深层的、内在的伤害缓解。我们表明，这些虚假的相关性使得微调的VLM

2025-11-11 17:12:28 519

原创《PRISM: ROBUST VLM ALIGNMENT WITH PRINCI-PLED REASONING FOR INTEGRATED SAFETY IN MUL-TIMODALITY》论文分享

原文链接：https://arxiv.org/abs/2508.18649摘要保护视觉语言模型(VLM)是一个关键的挑战，因为现有的方法往往存在过度防御的问题，这损害了实用性，或者依赖于浅层对齐，无法检测到需要深入推理的复杂威胁。为此，我们引入了PRISM(多通道集成安全原则推理)，这是一个类似于Syst2的框架，通过嵌入结构化的、安全感知的推理过程来协调VLM。我们的框架由两个关键组件组成：PRISM-COT，一个教授安全意识思想链推理的数据集，以及PRISM-DPO，通过蒙特卡罗树搜索(MCTS)生成，

2025-11-05 10:56:24 518

原创《TEACH TO REASON SAFELY: POLICY-GUIDED SAFETYTUNING FOR MLRMS》论文分享（侵删）

原文链接：https://openreview.net/forum?id=cgy4i74Dq7摘要多通道大推理模型(MLRM)在复杂的多通道任务中表现出了卓越的性能。然而，我们的发现揭示了一个关键的权衡：基于推理的模型更容易产生有害内容，导致安全性能下降。本文对这种安全推理的权衡进行了大规模的分析，确定了安全退化的两个主要机制：(I)视觉注意漂移，它减少了模型对视觉基础的依赖，从而加剧了跨模式交互中被忽视的风险；(Ii)不安全推理模式，包括有缺陷的推理启动和思维链安全衰减，损害了模型的安全意识。为了缓解这些

2025-11-03 11:03:30 499

原创《SimAC: A Simple Anti-Customization Method againstText-to-Image Synthesis of Diffusion Models》论文（侵删）

https://doi.org/10.1109/cvpr52733.2024.01145author={Feifei Wang and Zhentao Tan and Tianyi Wei and Yue Wu and Qidong Huang}摘要尽管基于扩散的定制方法在视觉内容创作上取得了成功，但从隐私和政治的角度来看，人们对这种技术的关注越来越多。为了解决这个问题，最近几个月提出了几种反定制方法，主要是基于对抗性攻击。遗憾的是，这些方法大多采用简单的设计，例如端到端优化，关注的是相反地最大化原始训练损

2025-10-30 16:41:54 922

原创《Towards Robust Defense against Customization via Protective PerturbationResistant to Diffusion》论文分享

author={Wenkui Yang and Jie Cao and Junxian Duan and Ran He}原文链接：https://arxiv.org/abs/2509.13922摘要像稳定扩散这样的扩散模型由于其强大的定制能力而在视觉合成任务中变得突出，但同时也带来了重大的安全风险，包括深度假冒和版权侵权。作为回应，出现了一类被称为保护性扰动的方法，它通过注入难以察觉的对抗性噪声来减轻图像的误用。然而，净化可以消除保护性干扰，从而使图像再次暴露在恶意伪造的风险之下。在这项工作中，我们将反净化

2025-10-24 17:05:58 737

原创《DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation》论文分享（侵删）

原文链接：https://doi.org/10.1109/cvpr52729.2023.02155author={Nataniel Ruiz and Yuanzhen Li and Varun Jampani and Yael Pritch and Michael Rubinstein and Kfir Aberman}摘要大型文本到图像模型实现了人工智能进化的显著飞跃，使给定文本提示的图像能够高质量和多样化地合成。然而，这些模型缺乏模仿给定参考集合中的受试者的外观，并在不同的上下文中合成这些受试者的新颖再

2025-10-17 11:29:13 694

原创《Harnessing Global-Local Collaborative Adversarial Perturbation for Anti-Customization》论文分享（侵删）

原文链接：Harnessing Global-Local Collaborative Adversarial Perturbation for Anti-Customization | IEEE Conference Publication | IEEE Xploreauthor={Long Xu and Jiakai Wang and Haojie Hao and Haotong Qin and Jiejie Zhao and Xianglong Liu}摘要虽然潜在扩散模型(LDM)在个

2025-10-09 17:20:41 784

原创《IAP: Invisible Adversarial Patch Attack through PerceptibilityAwareLocalization and Perturbation》侵删

原文链接：[2507.06856] IAP: Invisible Adversarial Patch Attack through Perceptibility-Aware Localization and Perturbation Optimization摘要尽管只修改了一个小的局部输入区域，但对抗性补丁可以极大地改变计算机视觉模型的预测。然而，现有的方法要么在有针对性的攻击场景下无法令人满意地执行，要么无法产生上下文一致的对抗补丁，导致它们很容易被人类检查员注意到，并且对自动补丁防御的隐

2025-07-24 18:20:46 1067

原创《Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via LatentDiffusion Model》论文分析（侵删）

原文链接：Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model| Proceedings of the AAAI Conference on Artificial Intelligenceauthor={Decheng Liu and Xijun Wang and Chunlei Peng and Nannan Wang and Ruimin Hu and Xinbo Gao}摘要

2025-07-18 15:43:53 848

原创《EAP: An effective black-box impersonation adversarial patch attack ...》论文分享（侵删）

这些结果表明，EAP可以有效地执行黑盒模仿攻击的各种人脸识别骨干具有不同的架构和复杂性，包括基于transformer的模型，有效的模型，和残留模型。物理攻击比数字攻击更具挑战性，因为它们需要考虑在不同场景下影响受扰对象外观的各种因素，如光照条件、视角、距离等，有些物理攻击方式使用眼镜（Sharif [1，2]）、帽子（Komkov和Petiushko [4]）、面具（Zolfi等人[16]，Yin等人[17]）、贴纸（Wei等人[18]）或光投影（Nguyen等人[3]）作为对抗性扰动的载体。

2025-06-04 15:39:41 666

原创《Deep keypoints adversarial attack on face recognition systems》论文分享（侵删）

原文链接：Redirectingauthor={Emna Bensaid and Mohamed Neji and Marwa Jabberi and Adel M. Alimi}摘要基于深度学习的人脸识别系统最近在解决复杂问题方面取得了突出的成功。但事实证明，它们非常容易受到攻击。因此，必须研究此类系统的脆弱性。欺骗人脸识别系统的有效攻击策略会产生对抗性的例子。作为这种攻击的结果，系统可能错误地拒绝真实的对象。当前用于创建对抗性面部图像的方法具有较差的感知质量并且花费太长的时间来产生。提出了一种新的对抗攻

2025-05-23 11:22:45 1145

原创《Saliency Attack: Towards Imperceptible Black-box Adversarial Attack》论文分享（侵删）

原文链接：https://doi.org/10.1145/3582563author={Zeyu Dai and Shengcai Liu and Qing Li and Ke Tang} 摘要深度神经网络很容易受到对抗样本的攻击，即使是在攻击者只能访问模型输出的黑箱环境中。最近的研究已经设计了一种有效的黑盒攻击方法，具有很高的查询效率。然而，这种性能通常伴随着攻击不可察觉性的折衷，阻碍了这些方法的实际使用。在本文中，我们提出将扰动限制在一个小的显著区域内，以产生难以察觉的对抗性示例。该方法

2025-05-21 15:45:43 686

原创《Adversarial Sticker: A Stealthy Attack Method in the Physical World》论文分享（侵删）

原文链接：Adversarial Sticker: A Stealthy Attack Method in the Physical World | IEEE Journals & Magazine | IEEE Xploreauthor={Xingxing Wei and Ying Guo and Jie Yu}摘要为了评估深度学习在物理世界中的脆弱性，最近的工作引入了对抗补丁，并将它们应用于不同的任务。在本文中，我们提出了另一种对抗补丁：有意义的对抗贴纸，一个物理上可行的和隐形的攻击方法

2025-05-15 21:41:47 1312

原创《Feature-aware transferable adversarial attacks against image classification》论文分享（侵删）

原文链接：Feature-aware transferable adversarial attacks against image classification - ScienceDirectauthor={Shuyan Cheng and Peng Li and Keji Han and He Xu}摘要与白盒对抗攻击相比，黑盒对抗攻击具有更强的实用性，因此受到了广泛的关注。然而，现有的大多数黑盒攻击都是在输出层进行优化，生成的对抗性样本难以从代理模型转移到目标模型。现有的对抗性攻击对中间层特征进行不加区

2025-05-14 11:57:26 822

空空如也

空空如也