Ti-Patch：针对无参考视频质量度量的平铺物理对抗补丁
计算机视觉与模式识别
2024-04-16 v1 图像与视频处理
摘要
客观无参考图像与视频质量度量在许多计算机视觉任务中至关重要。然而，最先进的无参考度量已变为基于学习的，且容易受到对抗攻击。质量度量的脆弱性限制了此类度量在质量控制系统和客观算法比较中的使用。此外，将脆弱的度量作为深度学习模型训练的损失函数可能会误导训练，从而恶化视觉质量。因此，测试质量度量的脆弱性是一项当前备受关注的任务。本文提出了一种在物理空间中测试质量度量脆弱性的新方法。据我们所知，此前并未针对此类攻击测试过质量度量的脆弱性，而仅在像素空间中进行过测试。我们将物理对抗 Ti-Patch (Tiled Patch) 攻击应用于质量度量，并在像素空间和物理空间中均进行了实验。我们还进行了关于物理对抗壁纸实现的实验。所提出的方法可作为脆弱性评估中的附加质量度量，以补充传统的主观比较和像素空间中的脆弱性测试。我们在 GitHub 上公开了我们的代码和对抗视频：https://github.com/leonenkova/Ti-Patch。
引用
@article{arxiv.2404.09961,
title = {Ti-Patch: Tiled Physical Adversarial Patch for no-reference video quality metrics},
author = {Victoria Leonenkova and Ekaterina Shumitskaya and Anastasia Antsiferova and Dmitriy Vatolin},
journal= {arXiv preprint arXiv:2404.09961},
year = {2024}
}
备注
Accepted to WAIT AINL 2024