SegPAR: Nuovo Metodo di Attacco Sparso per la Segmentazione Semantica

Un nuovo articolo di ricerca su arXiv presenta SegPAR, un framework di attacco sparso black-box basato su decisioni per la segmentazione semantica. L'articolo, identificato come arXiv:2608.11285, affronta la limitata attenzione che le minacce sparse black-box basate su decisioni hanno ricevuto nella segmentazione semantica. Gli autori adattano attacchi sparsi black-box basati su decisioni rappresentativi dalla classificazione per servire come baseline, stabilendo un benchmark per questo contesto poco esplorato. Dimostrano che un metodo esistente soffre di grave inefficienza delle query a causa dell'accumulo di pixel incentrato sull'immagine, che esaurisce i budget delle query. SegPAR passa a un paradigma di esplorazione incentrato sulla classe e introduce una nuova ricompensa di discrepanza per eliminare feedback fuorvianti. Gli esperimenti mostrano che SegPAR supera significativamente le baseline black-box in termini di efficienza di sparsità.