基于联合位置-颜色优化的视觉-红外密集预测任务对抗性补丁生成
计算机视觉与模式识别
2026-03-03 v1
摘要
视觉-红外 (VI) 多模态对抗攻击仍 largely 未被探索。特别是，视觉-红外感知系统因异构光谱特征和模态特定强度分布而引入独特挑战。现有对抗性补丁方法主要针对单模态输入设计，未能考虑跨光谱不一致性，导致在应用于 VI 密集预测模型时攻击有效性和隐蔽性下降。为解决这些挑战，我们提出了一种用于视觉-红外环境的联合位置-颜色优化框架 (AP-PCO)，用于生成对抗性补丁。该方法通过源自模型输出的适应函数同时优化补丁位置和颜色组成，使单个补丁能够扰动 visible 和红外两个模态。为进一步桥接光谱差异，我们引入一种跨模态颜色适应策略，约束补丁在红外灰度特征下的外观，同时保持 visible 域中的强扰动，从而降低跨光谱显著性。优化过程无需访问内部模型信息，支持灵活的黑盒攻击。广泛的视觉-红外密集预测任务实验表明，所提出的 AP-PCO 在多个架构上实现持续强大的攻击性能，为 VI 感知系统的鲁棒性评估提供了实用基准。
引用
@article{arxiv.2603.00266,
title = {Adversarial Patch Generation for Visual-Infrared Dense Prediction Tasks via Joint Position-Color Optimization},
author = {He Li and Wenyue He and Weihang Kong and Xingchen Zhang},
journal= {arXiv preprint arXiv:2603.00266},
year = {2026}
}
备注
12 pages, 8 figures