关键词video recognition models
搜索结果 - 4
- 视频插帧模型的帧间加速攻击
研究通过对视频帧差值 (VIF) 模型的对抗性攻击,提出了使用视频帧差值的性质对攻击进行改进的方法,并提出了一种名为 “帧间加速攻击”(IAA) 的新型攻击方法,该方法可以显著提高攻击效率。同时,还将这种方法扩展到更高级别的视频识别模型,并 - 通过针对视频的敌对时空聚焦实现有效的健壮性评估
我们提出了一种基于 AstFocus 攻击的多智能体强化学习框架,该框架同时在视频的关键帧和关键区域上进行攻击,并且通过减小搜索空间来降低查询数,使得在四种主流的视频识别模型和三个广泛使用的动作识别数据集上的结果均优于现有的最佳方法。
- 稀疏黑盒视频攻击与强化学习
该研究提出了一种基于强化学习 (RL) 框架的黑盒视频攻击方法,通过调整关键帧的选择策略,使反对抗扰动逐渐变小,实验证明该方法可以有效降低反对抗扰动。
- AAAI基于启发式黑盒方法的视频识别模型对抗攻击
提出了一种基于启发式算法的黑盒视频识别攻击模型,生成的对抗扰动仅作用于筛选的视频帧和区域,大大降低了计算成本和减少了查询次数,攻击效果明显。