具有有界不规则性的对抗鲁棒帧采样
计算机视觉与模式识别
2020-02-05 v1
摘要
近年来，用于从视频中自动提取有意义信息的视频分析工具被广泛研究与部署。由于其中大多数使用计算代价高昂的深度神经网络，仅向此类算法输入视频帧的子集是所期望的。以固定速率采样帧因其简单性、代表性与可解释性而始终具有吸引力。例如，一个流行的云视频 API 仅处理视频中每秒的第一帧来生成视频与镜头标签。然而，人们可通过在采样位置放置选定帧来轻易攻击此类策略。本文中，我们针对该采样问题给出了一个优雅的解法，该解法可证明地对抗对抗攻击具有鲁棒性，并同时引入了有界不规则性。
引用
@article{arxiv.2002.01147,
title = {Adversarially Robust Frame Sampling with Bounded Irregularities},
author = {Hanhan Li and Pin Wang},
journal= {arXiv preprint arXiv:2002.01147},
year = {2020}
}