遍历对抗性补丁的子空间
计算机视觉与模式识别
2025-04-25 v1
摘要
尽管深入研究了计算机视觉中对抗性样本的主题，但这些攻击的本质某些基本问题仍不明确。假设数据位于低维流形上，高维数据倾向于属于低维流形。为验证针对对抗性补丁的这一命题，本文提供了一组对抗性补丁的分析，并研究了三种不同降维方法的重建能力。在定量方面，测量重建补丁在攻击设置下的性能，并调查在对抗训练期间从潜在空间抽样补丁的影响。评估在两个公开可用的人体检测数据集上进行。结果表明，更复杂的降维方法不比简单主成分分析 (PCA) 有优势。
引用
@article{arxiv.2412.01527,
title = {Traversing the Subspace of Adversarial Patches},
author = {Jens Bayer and Stefan Becker and David Münch and Michael Arens and Jürgen Beyerer},
journal= {arXiv preprint arXiv:2412.01527},
year = {2025}
}