論文の概要: IOI: Invisible One-Iteration Adversarial Attack on No-Reference Image- and Video-Quality Metrics

• arxiv url: http://arxiv.org/abs/2403.05955v1
• Date: Sat, 9 Mar 2024 16:33:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 11:29:49.664141
• Title: IOI: Invisible One-Iteration Adversarial Attack on No-Reference Image- and Video-Quality Metrics
• Title（参考訳）: IOI:非参照画像とビデオ品質メトリクスに対する不可視的ワンイテレーション・アドバイザリアタック
• Authors: Ekaterina Shumitskaya, Anastasia Antsiferova, Dmitriy Vatolin
• Abstract要約: 非参照画像とビデオ品質のメトリクスは、ビデオ処理ベンチマークで広く使われている。 Invisible One-Iteration (IOI) は参照画像やビデオ品質の指標に反する攻撃である。
• 参考スコア（独自算出の注目度）: 4.647851314963012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: No-reference image- and video-quality metrics are widely used in video processing benchmarks. The robustness of learning-based metrics under video attacks has not been widely studied. In addition to having success, attacks that can be employed in video processing benchmarks must be fast and imperceptible. This paper introduces an Invisible One-Iteration (IOI) adversarial attack on no reference image and video quality metrics. We compared our method alongside eight prior approaches using image and video datasets via objective and subjective tests. Our method exhibited superior visual quality across various attacked metric architectures while maintaining comparable attack success and speed. We made the code available on GitHub.
• Abstract（参考訳）: 非参照画像とビデオ品質のメトリクスは、ビデオ処理ベンチマークで広く使われている。 ビデオアタックによる学習ベースのメトリクスの堅牢性は、広く研究されていない。 成功に加えて、ビデオ処理ベンチマークで使用可能な攻撃は高速かつ不可避でなければならない。 本稿では,参照画像と映像品質指標を含まない非可視的一文攻撃(ioi)を提案する。 対象的および主観的テストによる画像および映像データセットを用いた8つの先行手法との比較を行った。 本手法は,攻撃性能と速度を同等に保ちながら,攻撃された各種メトリックアーキテクチャの視覚的品質に優れていた。 コードをGitHubで公開しました。

関連論文リスト

• Ti-Patch: Tiled Physical Adversarial Patch for no-reference video quality metrics [3.7855740990304736]
  非参照画像とビデオ品質のメトリクスは、多くのコンピュータビジョンタスクにおいて不可欠である。 品質指標の脆弱性は、品質管理システムにおけるそのような指標の使用を制限する。 本稿では,物理空間における品質指標の脆弱性を検査するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-15T17:38:47Z)
• Comparing the Robustness of Modern No-Reference Image- and Video-Quality Metrics to Adversarial Attacks [43.85564498709518]
  本稿では、現代のメトリクスのロバスト性を、異なる敵攻撃に対して分析する。 いくつかのメトリクスは、敵攻撃に対する高い耐性を示し、弱いメトリクスよりも安全なベンチマークでの使用を可能にした。
  論文  参考訳（メタデータ） (2023-10-10T19:21:41Z)
• Fast Adversarial CNN-based Perturbation Attack on No-Reference Image- and Video-Quality Metrics [0.0]
  非参照品質指標に対する高速な敵攻撃を提案する。 提案した攻撃は、リアルタイムビデオ処理および圧縮アルゴリズムにおける前処理ステップとして利用することができる。 この研究は、安定したニューラルネットワークベースの非参照品質メトリクスの設計にさらなる支援を与えることができる。
  論文  参考訳（メタデータ） (2023-05-24T20:18:21Z)
• Video compression dataset and benchmark of learning-based video-quality metrics [55.41644538483948]
  本稿では,ビデオ圧縮の評価を行うビデオ品質指標の新しいベンチマークを提案する。 これは、異なる標準でエンコードされた約2,500のストリームからなる、新しいデータセットに基づいている。 クラウドソーシングによるペアワイズ比較により,主観的スコアを収集した。
  論文  参考訳（メタデータ） (2022-11-22T09:22:28Z)
• Universal Perturbation Attack on Differentiable No-Reference Image- and Video-Quality Metrics [0.0]
  一部の攻撃は、画像品質とビデオ品質のメトリクスを欺くことができる。 広汎な摂動を通して、識別可能な非参照品質指標を攻撃できる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-11-01T10:28:13Z)
• Unsupervised Contrastive Learning of Image Representations from Ultrasound Videos with Hard Negative Mining [16.49278694957565]
  最先端学習技術(SOTA)は、ビデオ内のフレームを埋め込み空間の正のものとして捉えている。 自然のシーンビデオでは物体の複数のビューとは異なり、Ultrasound(US)ビデオは臓器の異なる2Dスライスをキャプチャする。 そこで我々は,リッチな画像表現を学習するために,そのようなフレームをハードネガティブとして利用する。
  論文  参考訳（メタデータ） (2022-07-26T19:00:33Z)
• Objective video quality metrics application to video codecs comparisons: choosing the best for subjective quality estimation [101.18253437732933]
  品質評価は、ビデオ圧縮アルゴリズムの作成と比較において重要な役割を果たす。 比較のために、異なる標準のビデオコーデックでエンコードされた一連のビデオを使用し、2018年から2021年までの一連のストリームに対して、視覚的品質スコアを収集しました。
  論文  参考訳（メタデータ） (2021-07-21T17:18:11Z)
• Semi-Supervised Action Recognition with Temporal Contrastive Learning [50.08957096801457]
  2つの異なる速度でラベル付きビデオを用いて2経路の時間的コントラストモデルを学習する。 我々は最先端の半教師付き画像認識手法の映像拡張性能を著しく向上させた。
  論文  参考訳（メタデータ） (2021-02-04T17:28:35Z)
• Generalized Few-Shot Video Classification with Video Retrieval and Feature Generation [132.82884193921535]
  従来の手法は,映像特徴学習の重要性を過小評価し,二段階的アプローチを提案する。 この単純なベースラインアプローチは、既存のベンチマークで20ポイント以上の精度で、以前の数ショットビデオ分類方法よりも優れていることを示す。 さらなる改善をもたらす2つの新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-09T13:05:32Z)
• Watching the World Go By: Representation Learning from Unlabeled Videos [78.22211989028585]
  近年の単一画像教師なし表現学習技術は,様々なタスクにおいて顕著な成功を収めている。 本稿では,この自然な拡張を無償で提供することを論じる。 そこで本稿では,ビデオノイズコントラスト推定(Voice Noise Contrastive Estimation)を提案する。
  論文  参考訳（メタデータ） (2020-03-18T00:07:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。