探索 JPEG AI 的对抗鲁棒性：方法、比较与新方法
图像与视频处理
2024-11-19 v1 人工智能
计算机视觉与模式识别
摘要
神经网络的对抗鲁棒性是一个日益重要的研究领域，结合了对计算机视觉模型、大语言模型（LLMs）等的研究。随着 JPEG AI（首个端到端神经图像压缩（NIC）方法标准）的发布，其鲁棒性问题变得至关重要。JPEG AI 是首批嵌入消费设备的基于神经网络的模型国际实际应用之一。然而，目前对 NIC 鲁棒性的研究仅局限于开源编解码器和狭窄范围的攻击。本文提出了一种测量 NIC 对抗攻击鲁棒性的新方法。我们首次对 JPEG AI 的鲁棒性进行了大规模评估，并将其与其他 NIC 模型进行了比较。我们的评估结果和代码已在网上公开（链接因双盲评审而隐藏）。
引用
@article{arxiv.2411.11795,
title = {Exploring adversarial robustness of JPEG AI: methodology, comparison and new methods},
author = {Egor Kovalev and Georgii Bychkov and Khaled Abud and Aleksandr Gushchin and Anna Chistyakova and Sergey Lavrushkin and Dmitriy Vatolin and Anastasia Antsiferova},
journal= {arXiv preprint arXiv:2411.11795},
year = {2024}
}