Localized Query Attack Toward Transformer-Based Visible Object Detectors

doi:10.3390/s26061987

Localized Query Attack Toward Transformer-Based Visible Object Detectors

2026-04-04

0

OA

AI

DOI：10.3390/s26061987

原文链接

查看原文

摘要

En 中文

基于Transformer的检测器在可见目标检测任务中表现出卓越的准确性。然而，对抗样本的特定类型——对抗贴片，可以通过向特定图像区域引入不受限制的扰动来干扰这些检测器。传统方法主要关注将贴片直接放置在目标上，并通过增加贴片与图像所有区域之间的注意力分数来损害检测器性能。然而，这些方法由于背景与目标特征之间存在的显著差异，与优化目标相矛盾，因此效果欠佳。此外，它们忽略了交叉注意力机制对检测结果的影响。为解决这些局限性，我们提出了一种名为Localized Query Attack（LQA）的新方法，旨在干扰编码器内的自注意力以及解码器中的交叉注意力。与传统的全局干扰方法不同，LQA专门针对目标特征，通过增强对抗贴片与前景区域之间的自注意力交互，将模型焦点重新导向贴片。在解码器交叉注意力的背景下，我们计算连接编码器输出与目标查询的联合注意力矩阵。通过削弱该矩阵中编码器输出和残差组件的影响，我们放大了对抗贴片的重要性，从而增强攻击效果。我们的实验表明，相较于次优方法，LQA在各种基于Transformer的检测器上实现了约20%的迁移攻击性能提升。通过真实场景验证进一步证实了LQA的实际有效性，强调了其适用性。

Keyword:

adversarial patch

computer vision

object detection

transformer models

attention mechanisms

Localized Query Attack Toward Transformer-Based Visible Object Detectors

摘要

AI总结

期刊

机构

引用论文