面向 spatially 结构任务的统一空间对齐框架：高度可迁移的基于转换的攻击
计算机视觉与模式识别
2026-03-27 v1
摘要
基于转换的对抗攻击（TAAs）在欺骗分类模型时表现出强大的迁移性。然而，现有的TAAs常常在应用于语义分割和目标检测等结构化任务时表现不佳，甚至会失败。鼓励的是，最近将转换分为非空间和空间转换的研究启发了我们解决这一挑战。我们发现，对于非结构化任务，标签是空间非结构化的，因此TAAs在应用空间转换时无需调整标签。相反，对于结构化任务，标签是空间结构化的，若未能同步转换输入的标签，会导致空间错位并产生错误的梯度。为此，我们提出了一种新颖的统一空间对齐框架（SAF），用于结构化任务上的高度可迁移TAAs，其中TAAs使用所提出的空间对齐（SA）算法对输入进行同步空间转换。大量实验表明，SAF对结构化任务上的TAAs发挥着关键作用。具体而言，在非目标攻击中，我们的SAF使Cityscapes上平均mIoU从24.50降至11.34，在Kvasir-SEG上从49.91降至31.80，同时使COCO上平均mAP从17.89降至5.25。
引用
@article{arxiv.2603.25230,
title = {A Unified Spatial Alignment Framework for Highly Transferable Transformation-Based Attacks on Spatially Structured Tasks},
author = {Jiaming Liang and Chi-Man Pun},
journal= {arXiv preprint arXiv:2603.25230},
year = {2026}
}