利用一阶梯度欺骗图像去雾模型
计算机视觉与模式识别
2024-02-16 v2 密码学与安全
图像与视频处理
摘要
单幅图像去雾任务的研究已被广泛探索。然而，据我们所知，针对训练良好的去雾模型的鲁棒性尚未开展全面研究。因此，没有证据表明去雾网络能够抵御恶意攻击。在本文中，我们专注于设计一组基于一阶梯度的攻击方法，以验证现有去雾算法的鲁棒性。通过分析图像去雾任务的通用目的，提出了四种攻击方法，分别为预测去雾图像攻击、雾层掩码攻击、无雾图像攻击和保雾攻击。相应的实验在六个不同规模的数据集上进行。此外，采用基于对抗训练的保护策略来减少恶意攻击造成的负面影响。总之，本文为图像去雾领域定义了一个可称为去雾网络对抗攻击（AADN）的新挑战性问题。代码与补充材料可在 https://github.com/Xiaofeng-life/AADN Dehazing 获取。
引用
@article{arxiv.2303.17255,
title = {Fooling the Image Dehazing Models by First Order Gradient},
author = {Jie Gui and Xiaofeng Cong and Chengwei Peng and Yuan Yan Tang and James Tin-Yau Kwok},
journal= {arXiv preprint arXiv:2303.17255},
year = {2024}
}
备注
This paper is accepted by IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)