-
题名梯度引导的JPEG压缩图像超分辨率重建
- 1
-
-
作者
曹坪
林树冉
张淳杰
郑晓龙
赵耀
-
机构
北京交通大学计算机科学与技术学院信息科学研究所
北京交通大学视觉智能交叉创新教育部国际合作联合实验室
中国科学院自动化研究所多模态人工智能系统全国重点实验室
中国科学院自动化研究所复杂系统管理与控制国家重点实验室
中国科学院大学
-
出处
《自动化学报》
北大核心
2025年第6期1261-1276,共16页
-
基金
国家自然科学基金(62476021,72225011,72434005,62072026)
多模态人工智能系统全国重点实验室开放课题基金(MAIS2024106)资助。
-
文摘
在真实场景中,图像往往同时遭受低分辨率、压缩失真及噪声等多种退化因素影响.现有方法通常聚焦于单一退化类型,难以应对复杂的复合退化情况.为解决真实场景中普遍存在的低分辨率与JPEG压缩伪影复合退化问题,提出一种梯度引导的联合JPEG压缩伪影去除和超分辨率重建网络.该网络以超分辨率分支为主导,融合JPEG压缩伪影去除分支与梯度引导分支的非对称特征,实现了高质量图像重建.JPEG压缩伪影去除分支专注于压缩伪影抑制,缓解了主导分支的重建负担.梯度引导分支则精准估计图像梯度,引导主导分支恢复更多细节与纹理.实验结果表明,该方法提升了低分辨率JPEG压缩图像的重建质量.
-
关键词
JPEG压缩
超分辨率
图像重建
梯度先验
-
Keywords
JPEG compression
super-resolution
image reconstruction
gradient prior
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于扰动响应的自适应集成黑盒对抗攻击算法
- 2
-
-
作者
冯卫栋
余东
张淳杰
郑晓龙
-
机构
北京交通大学计算机科学与技术学院信息科学研究所
北京交通大学视觉智能交叉创新教育部国际合作联合实验室
中国科学院自动化研究所多模态人工智能系统全国重点实验室
中国科学院自动化研究所复杂系统管理与控制国家重点实验室
中国科学院大学
-
出处
《自动化学报》
北大核心
2025年第8期1788-1799,共12页
-
基金
国家自然科学基金(62476021,72225011,72434005,62072026)
多模态人工智能系统全国重点实验室开放课题基金(MAIS2024106)资助。
-
文摘
模型集成对抗攻击通过整合多个替代模型的梯度信息,能够显著增强对抗样本的跨模型迁移能力,是当前黑盒攻击中最具潜力的策略之一.然而,现有集成方法在动态加权过程中通常依赖扰动引起的预测误差作为权重依据,未能有效区分扰动作用与模型自身固有误差.由此可能高估低质量模型对扰动优化的贡献,干扰攻击方向,进而削弱对抗样本的实际迁移效果.鉴于此,提出基于扰动响应的自适应集成黑盒对抗攻击算法.首先,提出扰动响应感知的权重分配策略,通过引入KL散度与集成相似度指标来衡量扰动对模型输出的真实影响,避免低质量模型对集成过程的干扰;其次,提出梯度协同扰动缩放策略,结合像素级梯度一致性度量,动态调整扰动幅度,缓解集成过程中的局部过拟合现象,增强对抗样本在多模型间的泛化能力;最后,在多个黑盒攻击任务中进行综合评估,实验结果表明所提出的基于扰动响应的自适应集成黑盒对抗攻击算法在迁移性能、攻击成功率与扰动效率方面均显著优于现有方法.
-
关键词
对抗样本
集成攻击
梯度
黑盒模型
-
Keywords
Adversarial example
ensemble attack
gradient
black-box model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
