抵御对抗攻击的安全视频质量评估
原文中文，约400字，阅读约需1分钟。发表于：。该研究针对视频质量评估（VQA）模型在面对对抗攻击时的脆弱性进行了探讨，填补了该领域的研究空白。作者提出了一种名为SecureVQA的新框架，通过随机空间网格采样和像素随机化等技术，增强现有VQA模型的安全性和稳定性。实验结果表明，SecureVQA在安全性方面设立了新的基准，同时在VQA性能上与当前最先进的模型相媲美。
基于神经网络的图像和视频质量度量优于传统方法，但易受对抗攻击。本文分析了15种无参考质量度量在不同攻击下的鲁棒性，发现某些度量更具抗攻击性。研究人员可以提交新方法提高鲁棒性或选择合适的度量。基准测试可通过 pip install robustness-benchmark 使用。
