核心概念
No-Reference Image Quality Assessment(NR-IQA)モデルに対するブラックボックス敵対攻撃の探求と効果的な手法の開発。
要約
この論文は、NR-IQAモデルにおけるブラックボックス敵対攻撃に初めて取り組み、効率的かつ効果的な攻撃手法を開発しています。研究では、オリジナル画像とその改ざんされた画像の品質スコアの予測値の最大偏差を最大化することを目指し、Bi-directional損失関数を設計しました。実験結果から、提案された攻撃手法がすべての評価されたNR-IQAモデルに影響を与えることが示されました。また、生成された改ざんは移譲可能でないことが確認され、異なるIQAモデルの特性を調査するために役立つことが示唆されました。
統計
NR-IQAモデルはすべて提案された攻撃方法に脆弱である。
生成された改ざんは移譲不可能であり、異なるIQAモデルの特性を調査することができる。