基于填充的语义鲁棒性探测：面向安全关键目标检测的交互式工具
计算机视觉与模式识别
2026-05-28 v2 人工智能
摘要
在安全关键领域测试目标检测器需要超越像素级噪声的语义有意义探测。我们提出 SemProbe，一个语义鲁棒性探测工具：用户上传部署图像，手动或自动创建掩码，选择基于运营设计域衍生的因素（或自定义提示），并运行基于扩散模型的受控填充。该系统支持批量任务、并行种子/工作流程变体以及可配置的生成参数。每次输出后，模型推理自动运行并显示带有性能 delta 的前后注释比较。所有探测被记录为结构化工件，支持与安全评估工作流程对齐的可追溯鲁棒性证据。我们在手部检测（用于割草机尺寸）上演示了 SemProbe，目标因素来自保险导向的测试标准。
引用
@article{arxiv.2605.27155,
title = {Semantic Robustness Probing via Inpainting: An Interactive Tool for Safety-Critical Object Detection},
author = {Nico Steckhan and Krutarth Prajapati and Weija Shao and Silvia Vock},
journal= {arXiv preprint arXiv:2605.27155},
year = {2026}
}