感知色彩空间中通过空间变换的对抗图像生成
计算机视觉与模式识别
2023-10-24 v1 图像与视频处理
摘要
深度神经网络已知易受对抗扰动攻击。这些扰动的量通常使用 度量来量化,如 、 和 。然而,即便测得的扰动很小,它们往往仍可被人类观察者察觉,因为 距离度量并不能代表人类感知。另一方面,人类对色彩空间变化的敏感度较低。此外,受限邻域内的像素位移难以被察觉。受这些观察启发,我们提出一种通过对感知色彩空间(如 和 )的色度通道独立改变像素位置来施加空间变换以生成对抗样本的方法,而非进行加性扰动或直接操纵像素值。在定向白盒攻击设定下,所提方法能够以极高置信度获得具竞争力的欺骗率。实验评估表明,该方法在良性图像与对抗生成图像之间的近似感知距离方面具有良好结果。源代码公开于 https://github.com/ayberkydn/stadv-torch
引用
@article{arxiv.2310.13950,
title = {Adversarial Image Generation by Spatial Transformation in Perceptual Colorspaces},
author = {Ayberk Aydin and Alptekin Temizel},
journal= {arXiv preprint arXiv:2310.13950},
year = {2023}
}