NIPS'24开源 | DarkSAM：欺骗分割一切模型！使其不进行分割！

文章预览

前言   现有的攻击可分为针对单个样本的对抗性扰动和通用对抗性扰动（UAP）。前者针对特定输入进行定制，而后者则寻求一个适用于广泛输入的单一扰动，从而增加了其复杂性和难度。作为一种开创性的基于提示的分割模型，SAM依赖于输入图像和提示来生成无标签掩码，这使得仅针对图像且依赖标签的现有对抗性攻击变得无效。 本文在SAM和UAP之间架起了一座桥梁 。与关注全局特征的分类模型不同，基于提示的分割模型更侧重于图像中的局部关键对象（如提示指示的对象）。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 来源：计算机视觉工坊 仅用于学术分享，若侵权请联系删除 0. 论文信息 标题：DarkSAM: Fooling Segment Anything Model to Segment Nothing 作者：Zi ………………………………