图像质量评估模型的黑盒对抗攻击
原文中文，约300字，阅读约需1分钟。发表于：。本文首次尝试探索黑盒对抗攻击 NR-IQA 模型，通过最大限度地增加原始和扰动图像的质量评分之间的差异来误导对抗性示例的估计质量评分，针对 NR-IQA 模型开发出一种高效和有效的黑盒攻击方法。广泛实验表明，所有评估的 NR-IQA 模型都对该攻击方法存在漏洞，生成的扰动不可转移，有助于研究不同 IQA 模型的特性。
本文提出了一种无参考图像质量评估方法（RankIQA），通过训练Siamese网络对图像质量进行排名评估，无需人工标注。通过微调将网络知识转移至传统CNN，提高效率。在TID2013和LIVE基准测试中，该方法结果提高了超过5%，优于现有技术。
