FVQA 2.0：将对抗样本引入基于事实的视觉问答
计算与语言
2023-03-21 v1 计算机视觉与模式识别
摘要
广泛使用的基于事实的视觉问答（FVQA）数据集包含需要利用常识知识图谱进行信息检索才能回答的视觉接地问题。据观察，原始数据集高度不平衡，且集中于其关联知识图谱的一小部分。我们提出了 FVQA 2.0，其中包含测试问题的对抗变体以解决这种不平衡。我们表明，使用原始 FVQA 训练集训练的系统可能易受对抗样本攻击，并展示了一种无需人工标注即可降低此脆弱性的增强方案。
引用
@article{arxiv.2303.10699,
title = {FVQA 2.0: Introducing Adversarial Samples into Fact-based Visual Question Answering},
author = {Weizhe Lin and Zhilin Wang and Bill Byrne},
journal= {arXiv preprint arXiv:2303.10699},
year = {2023}
}
备注
Accepted to EACL 2023 Findings