结合人在回路的无参考图像质量模型感知攻击
计算机视觉与模式识别
2022-10-04 v1 图像与视频处理
摘要
无参考图像质量评估（NR-IQA）旨在无需失真参考的情况下量化人类如何感知数字图像的视觉失真。NR-IQA 模型在计算视觉中被广泛研究，并广泛用于人造视觉系统的性能评估与感知优化。这里我们首次尝试考察 NR-IQA 模型的感知鲁棒性。在拉格朗日公式下，我们将所提感知攻击与计算机视觉和机器学习中先前优美思想建立了深刻联系。我们在四种全参考 IQA 模型（作为人类恰可察觉差异感知的近似）下测试了一种知识驱动与三种数据驱动的 NR-IQA 方法。通过精心设计的心理物理实验，我们发现所有四种 NR-IQA 模型均易受所提感知攻击。更有趣的是，我们观察到生成的 counterexamples 不可迁移，表现为各自 NR-IQA 方法的明显设计缺陷。
引用
@article{arxiv.2210.00933,
title = {Perceptual Attacks of No-Reference Image Quality Models with Human-in-the-Loop},
author = {Weixia Zhang and Dingquan Li and Xiongkuo Min and Guangtao Zhai and Guodong Guo and Xiaokang Yang and Kede Ma},
journal= {arXiv preprint arXiv:2210.00933},
year = {2022}
}
备注
NeurIPS 2022