基于感知色距迈向大而不易察觉的对抗图像扰动
计算机视觉与模式识别
2020-04-01 v2
摘要
为欺骗图像分类器而设计的图像扰动的成功性，从对抗效果与视觉不可感知性两方面评估。关于不可感知性的传统假设是扰动应在 RGB 空间中追求紧的 范数界。本工作中，我们放弃该假设，采用一种利用人类颜色感知的方法，更具体地，针对感知色距最小化扰动大小。我们的第一种方法，感知色距 C&W（PerC-C&W），扩展了广泛使用的 C&W 方法并产生更大的 RGB 扰动。PerC-C&W 能够保持对抗强度，同时有助于不可感知性。我们的第二种方法，感知色距交替损失（PerC-AL），达成相同效果，但通过在更新扰动时交替使用分类损失与感知色差而更高效。实验评估表明，PerC 方法在鲁棒性与可迁移性上优于传统 方法，并证明 PerC 距离能在现有基于结构的图像扰动方法之上提供附加价值。
引用
@article{arxiv.1911.02466,
title = {Towards Large yet Imperceptible Adversarial Image Perturbations with Perceptual Color Distance},
author = {Zhengyu Zhao and Zhuoran Liu and Martha Larson},
journal= {arXiv preprint arXiv:1911.02466},
year = {2020}
}
备注
Accepted at CVPR 2020; Code is available at https://github.com/ZhengyuZhao/PerC-Adversarial