Buchumschlag

Uncertainty Quantification for Collaborative Object Detection Under Adversarial Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Huiqun, Chen, Cong, Monteuuis, Jean-Philippe, Petit, Jonathan, Miao, Fei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Systematic Discovery of Semantic Attacks in Online Map Construction through Conditional Diffusion
von: Wang, Chenyi, et al.
Veröffentlicht: (2026)

AdvLogo: Adversarial Patch Attack against Object Detectors based on Diffusion Models
von: Miao, Boming, et al.
Veröffentlicht: (2024)

Familiarity-Based Open-Set Recognition Under Adversarial Attacks
von: Enevoldsen, Philip, et al.
Veröffentlicht: (2023)

WQLCP: Weighted Adaptive Conformal Prediction for Robust Uncertainty Quantification Under Distribution Shifts
von: Alijani, Shadi, et al.
Veröffentlicht: (2025)

Benchmarking Transferable Adversarial Attacks
von: Jin, Zhibo, et al.
Veröffentlicht: (2024)

Neural Fingerprints for Adversarial Attack Detection
von: Fisher, Haim, et al.
Veröffentlicht: (2024)

CP-FREEZER: Latency Attacks against Vehicular Cooperative Perception
von: Wang, Chenyi, et al.
Veröffentlicht: (2025)

Flow Matching with Uncertainty Quantification and Guidance
von: Han, Juyeop, et al.
Veröffentlicht: (2026)

Extracting Usable Predictions from Quantized Networks through Uncertainty Quantification for OOD Detection
von: Singhal, Rishi, et al.
Veröffentlicht: (2024)

On the Posterior Distribution in Denoising: Application to Uncertainty Quantification
von: Manor, Hila, et al.
Veröffentlicht: (2023)

Scaling Laws for Black box Adversarial Attacks
von: Liu, Chuan, et al.
Veröffentlicht: (2024)

Transform-Dependent Adversarial Attacks
von: Tan, Yaoteng, et al.
Veröffentlicht: (2024)

Breaking the Illusion: Real-world Challenges for Adversarial Patches in Object Detection
von: Shack, Jakob, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for cross-subject Motor Imagery classification
von: Manivannan, Prithviraj, et al.
Veröffentlicht: (2024)

Laplacian Segmentation Networks Improve Epistemic Uncertainty Quantification
von: Zepf, Kilian, et al.
Veröffentlicht: (2023)

Epistemic Uncertainty Quantification For Pre-trained Neural Network
von: Wang, Hanjing, et al.
Veröffentlicht: (2024)

ALARM: Automated MLLM-Based Anomaly Detection in Complex-EnviRonment Monitoring with Uncertainty Quantification
von: Zhang, Congjing, et al.
Veröffentlicht: (2025)

Exploring Aleatoric Uncertainty in Object Detection via Vision Foundation Models
von: Cui, Peng, et al.
Veröffentlicht: (2024)

Conformal Risk Control for Semantic Uncertainty Quantification in Computed Tomography
von: Teneggi, Jacopo, et al.
Veröffentlicht: (2025)

Enhancing Adversarial Robustness via Uncertainty-Aware Distributional Adversarial Training
von: Dong, Junhao, et al.
Veröffentlicht: (2024)

GUPNet++: Geometry Uncertainty Propagation Network for Monocular 3D Object Detection
von: Lu, Yan, et al.
Veröffentlicht: (2023)

Detecting Adversarial Data using Perturbation Forgery
von: Wang, Qian, et al.
Veröffentlicht: (2024)

Strong Transferable Adversarial Attacks via Ensembled Asymptotically Normal Distribution Learning
von: Fang, Zhengwei, et al.
Veröffentlicht: (2022)

Uncertainty Quantification in Detecting Choroidal Metastases on MRI via Evolutionary Strategies
von: McRae-Posani, Bala, et al.
Veröffentlicht: (2024)

Hi-ALPS -- An Experimental Robustness Quantification of Six LiDAR-based Object Detection Systems for Autonomous Driving
von: Arzberger, Alexandra, et al.
Veröffentlicht: (2025)

Predictive Uncertainty Quantification for Bird's Eye View Segmentation: A Benchmark and Novel Loss Function
von: Yu, Linlin, et al.
Veröffentlicht: (2024)

Uncertainty Quantification via Hölder Divergence for Multi-View Representation Learning
von: Zhang, Yan, et al.
Veröffentlicht: (2024)

Model-agnostic Adversarial Attack and Defense for Vision-Language-Action Models
von: Xu, Haochuan, et al.
Veröffentlicht: (2025)

Conformal Semantic Image Segmentation: Post-hoc Quantification of Predictive Uncertainty
von: Mossina, Luca, et al.
Veröffentlicht: (2024)

Dynamic Label Adversarial Training for Deep Learning Robustness Against Adversarial Attacks
von: Liu, Zhenyu, et al.
Veröffentlicht: (2024)

Lightning UQ Box: A Comprehensive Framework for Uncertainty Quantification in Deep Learning
von: Lehmann, Nils, et al.
Veröffentlicht: (2024)

Unsupervised Machine Learning for Detecting and Locating Human-Made Objects in 3D Point Cloud
von: Zhao, Hong, et al.
Veröffentlicht: (2024)

Similarity of Neural Architectures using Adversarial Attack Transferability
von: Hwang, Jaehui, et al.
Veröffentlicht: (2022)

Adversarial Machine Learning: Attacking and Safeguarding Image Datasets
von: Chowdhury, Koushik
Veröffentlicht: (2025)

SDCoNet: Saliency-Driven Multi-Task Collaborative Network for Remote Sensing Object Detection
von: Qi, Ruo, et al.
Veröffentlicht: (2026)

Collaborative Multi-Object Tracking with Conformal Uncertainty Propagation
von: Su, Sanbao, et al.
Veröffentlicht: (2023)

ADBA:Approximation Decision Boundary Approach for Black-Box Adversarial Attacks
von: Wang, Feiyang, et al.
Veröffentlicht: (2024)

Adversarial Attack On Yolov5 For Traffic And Road Sign Detection
von: Jain, Sanyam
Veröffentlicht: (2023)

Collaborative Uncertainty Benefits Multi-Agent Multi-Modal Trajectory Forecasting
von: Tang, Bohan, et al.
Veröffentlicht: (2022)

BankTweak: Adversarial Attack against Multi-Object Trackers by Manipulating Feature Banks
von: Shin, Woojin, et al.
Veröffentlicht: (2024)