Keskeiset käsitteet
画像品質評価モデルは、参照画像を必要とせずに人間の知覚に合わせた画質スコアを予測することができるが、これらのモデルは黒箱攻撃に対して脆弱であることが明らかになった。
Tiivistelmä
本研究では、参照画像を必要としない画像品質評価(NR-IQA)モデルに対する新しいクエリベースの黒箱攻撃手法を提案した。
まず、攻撃の成功を定量化するために「スコアバウンダリ」の概念を導入した。これにより、攻撃の強さを段階的に調整できるようになった。
次に、人間の視覚システムの特性を活用して、初期攻撃方向を設計した。具体的には、画像のエッジや顕著領域に攻撃を集中させ、JNDを用いて人間には見えにくい攻撃を行った。
提案手法は、既存の黒箱攻撃手法と比較して優れた攻撃性能を示した。特に、DBCNN+LIVE の組み合わせでは、SPEARMANの順位相関係数が0.6381も低下した。これは、NR-IQAモデルが黒箱攻撃に対して非常に脆弱であることを示している。
本研究の攻撃手法は、NR-IQAモデルの堅牢性をさらに探索する上で有用なツールとなる。
Tilastot
攻撃前のDBCNN+LIVEモデルのSPEARMAN順位相関係数は0.9756
攻撃後のSPEARMAN順位相関係数は0.8332
Lainaukset
"NR-IQAモデルは黒箱攻撃に対して非常に脆弱である"