論文の概要: InfraPatch: Cross-Task Targeted Grayscale Patch Attacks on Infrared-Adapted Vision-Language Models

• arxiv url: http://arxiv.org/abs/2609.02233v1
• Date: Wed, 02 Sep 2026 07:42:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.138809
• Title: InfraPatch: Cross-Task Targeted Grayscale Patch Attacks on Infrared-Adapted Vision-Language Models
• Title（参考訳）: InfraPatch:赤外線適応ビジョンランゲージモデルを用いたクロスタスクターゲットグレースケールパッチアタック
• Abstract要約: 赤外線視覚適応モデル(IR-VLM)は、低視認性条件下でのマルチモーダル知覚のための有望なパラダイムとして登場した。 IR-VLMに対するデジタルグレースケールパッチ攻撃を対象とするフレームワークであるInfraPatchを提案する。
• 参考スコア（独自算出の注目度）: 9.310612317083928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared vision-language models (IR-VLMs) have emerged as a promising paradigm for multimodal perception under low-visibility conditions, yet their robustness to targeted adversarial attacks remains poorly understood. Existing adversarial patch methods mainly study RGB-based models or a single downstream task and do not characterize whether localized perturbations can induce an intended semantic target in IR-VLMs. We propose InfraPatch, a white-box, per-instance framework for targeted digital grayscale patch attacks against IR-VLMs. InfraPatch optimizes a compact single-channel patch within an approximately 5% local-area budget, combines proxy-guided placement with task-adaptive semantic objectives, and induces target behaviors in image classification, image captioning, and binary visual question answering. We evaluate ten infrared-adapted model variants on 300 synthetic infrared-style images generated by applying DiffV2IR to a fixed 30-category COCO subset, using clean-conditioned targeted success criteria. InfraPatch achieves targeted attack success rates from 86.00% to 100% across the ten variants. On CLIP and BLIP-2, proxy location search improves success by 6.67 and 10.33 percentage points over optimized random placement, respectively; LLaVA-1.5 remains saturated near 100% under both settings. Patch-area and objective ablations further expose substantial differences in vulnerability across architectures and task formats. These results show that small grayscale patches can inject chosen target semantics across IR-VLM families under a controlled digital threat model, motivating stronger robustness evaluation for infrared multimodal systems.
• Abstract（参考訳）: 赤外線視覚言語モデル(IR-VLM)は、低視認性条件下でのマルチモーダル知覚のための有望なパラダイムとして登場したが、敵攻撃に対する堅牢性はいまだによく分かっていない。 既存の逆パッチ法は、主にRGBベースのモデルや単一の下流タスクを研究し、局所摂動がIR-VLMにおいて意図した意味的ターゲットを誘導できるかどうかを特徴付けない。 InfraPatchは、IR-VLMに対するデジタルグレースケールパッチ攻撃を対象とする、ホワイトボックス/インスタンス・フレームワークである。 InfraPatchは、約5%のローカル領域予算内で、コンパクトなシングルチャネルパッチを最適化し、プロキシ誘導された配置とタスク適応型セマンティックな目的を組み合わせ、画像分類、画像キャプション、バイナリビジュアル質問応答におけるターゲット動作を誘導する。 我々は,DiffV2IRを固定された30カテゴリCOCOサブセットに適用して生成した300種類の合成赤外画像に対して,クリーンコンディショニングされた目標成功基準を用いて,10種類の赤外適応モデル変異を評価した。 InfraPatchは10種類の攻撃の成功率を86.00%から100%に達成している。 CLIPとBLIP-2では、プロキシ位置探索が最適化されたランダム配置よりも6.67と10.33ポイント向上し、LLaVA-1.5はどちらも100%近く飽和している。 Patch-areaとObjective Ablationはさらに、アーキテクチャとタスクフォーマット間での脆弱性の重大な違いを明らかにしている。 これらの結果から,IR-VLM系で選択された標的セマンティクスを制御されたデジタル脅威モデルに注入し,赤外線マルチモーダルシステムの強靭性評価を動機付けることが示唆された。

関連論文リスト

• InfraQR: Edge-Placed QR-Inspired Structured Patch Attacks on Infrared Vision-Language Models [6.982777059279356]
  InfraQRは、QRにインスパイアされた、赤外線ビジョン言語モデルのための構造化パッチアタックである。 我々は、赤外線分類、キャプション転送、質問応答型視覚質問応答タスクについて評価した。 その結果、赤外線ビジョン言語モデルは、構造化されたエッジ配置の摂動に弱いままであることがわかった。
  論文  参考訳（メタデータ） (2026-07-08T11:28:15Z)
• Revealing Physical-World Semantic Vulnerabilities: Universal Adversarial Patches for Infrared Vision-Language Models [21.429674567539607]
  近赤外視覚言語モデル(IR-VLM)は、低可視環境におけるマルチモーダル知覚のための有望なパラダイムとして登場した。 既存の逆パッチ法は主にRGBベースのモデル用にクローズドセット設定で設計されている。 我々は、IR-VLMのためのユニバーサル物理対向パッチフレームワークであるユニバーサルカーブグリッドパッチ(UCGP)を提案する。
  論文  参考訳（メタデータ） (2026-04-03T15:42:55Z)
• Adversarial Patch Generation for Visual-Infrared Dense Prediction Tasks via Joint Position-Color Optimization [14.358458317718174]
  視覚的赤外設定における逆パッチを生成するための共同位置色最適化フレームワーク(AP-PCO)を提案する。 我々は、赤外線グレースケール特性に応じてパッチの外観を制約するクロスモーダルカラー適応戦略を導入する。 視覚赤外高密度予測タスクの実験は、提案したAP-PCOが一貫して強力な攻撃性能を発揮することを示す。
  論文  参考訳（メタデータ） (2026-02-27T19:26:17Z)
• When Robots Obey the Patch: Universal Transferable Patch Attacks on Vision-Language-Action Models [81.7618160628979]
  VLA(Vision-Language-Action)モデルは敵の攻撃に弱いが、普遍的かつ移動可能な攻撃は未発見のままである。 UPA-RFAS(Universal Patch Attack via Robust Feature, Attention, and Semantics)は、単一の物理的パッチを共有機能空間で学習する統合フレームワークである。 多様なVLAモデル、操作スイート、物理実行の実験は、UPA-RFASがモデル、タスク、視点を一貫して移行していることを示している。
  論文  参考訳（メタデータ） (2025-11-26T09:16:32Z)
• IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection [92.56025546608699]
  IrisNetは、入力赤外線画像ステータスに検出戦略を適用する、新しいメタ学習フレームワークである。 提案手法は,赤外線画像特徴量とデコーダパラメータ全体の動的マッピングを確立する。 NUDT-SIRST、NUAA-SIRST、IRSTD-1Kデータセットの実験は、我々のIrisNetの優位性を示している。
  論文  参考訳（メタデータ） (2025-11-25T13:53:54Z)
• Targeted Physical Evasion Attacks in the Near-Infrared Domain [44.41293301858757]
  我々は、標的と未目標の両方の赤外線摂動を発生させる、ステルスで費用対効果の高い攻撃を提案する。 透明なフィルムからターゲット対象物にオフザシェルの赤外線懐中電灯を投射することにより、我々のアプローチは、赤外線領域にレーザーフリーターゲット攻撃を確実に搭載する最初の方法である。
  論文  参考訳（メタデータ） (2025-09-02T07:37:10Z)
• DISTA-Net: Dynamic Closely-Spaced Infrared Small Target Unmixing [55.366556355538954]
  本稿では,動的フレームワーク内で従来のスパース再構築を再現する動的反復収縮閾値ネットワーク(DISTA-Net)を提案する。 DISTA-Netは、密接な空間を持つ赤外線小ターゲットのアンミックスのために特別に設計された最初のディープラーニングモデルである。 私たちはこの分野におけるさらなる研究を促進するために、最初のオープンソースエコシステムを確立しました。
  論文  参考訳（メタデータ） (2025-05-25T13:52:00Z)
• CDUPatch: Color-Driven Universal Adversarial Patch Attack for Dual-Modal Visible-Infrared Detectors [6.8163437709379835]
  逆パッチは、現実世界のシナリオにおけるオブジェクト検出システムの堅牢性を評価するために広く利用されている。 我々は,CDUPatchを提案する。CDUPatchは,スケール,ビュー,シナリオにまたがる可視赤外線オブジェクト検出器に対する汎用的なクロスモーダルパッチアタックである。 対向パッチの最適色分布を学習することにより、その熱応答を操作でき、対向赤外線テクスチャを生成することができる。
  論文  参考訳（メタデータ） (2025-04-15T05:46:00Z)
• Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
  身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。 我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。 また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
  論文  参考訳（メタデータ） (2025-03-13T22:38:18Z)
• Towards Robust Infrared Small Target Detection: A Feature-Enhanced and Sensitivity-Tunable Framework [2.4810332733338623]
  本稿では,既存のSIRST検出ネットワークと互換性のあるFEST(Feature Enhanced and sensitivity-tunable)フレームワークを提案する。 我々のFESTフレームワークは既存のSIRST検出ネットワークの性能を大幅に向上させることができることを示す。 特に、FESTフレームワークを備えたマルチスケール方向認識ネットワーク(MSDA-Net)は、PRCV 2024広帯域赤外線小目標検出コンテストで優勝した。
  論文  参考訳（メタデータ） (2024-07-29T15:22:02Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small Target Detector [60.42293239557962]
  我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。 新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。 大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-08T05:06:14Z)

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。