Buchumschlag

Attention! Your Vision Language Model Could Be Maliciously Manipulated

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Xiaosen, Wang, Shaokang, Ge, Zhijin, Luo, Yuyang, Zhang, Shudong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Security Risk of Misalignment between Text and Image in Multi-modal Model
von: Wang, Xiaosen, et al.
Veröffentlicht: (2025)

Disrupting Semantic and Abstract Features for Better Adversarial Transferability
von: Luo, Yuyang, et al.
Veröffentlicht: (2025)

Devling into Adversarial Transferability on Image Classification: Review, Benchmark, and Evaluation
von: Wang, Xiaosen, et al.
Veröffentlicht: (2026)

One Last Attention for Your Vision-Language Model
von: Chen, Liang, et al.
Veröffentlicht: (2025)

Attention Hijacking: Response Manipulation Across Queries in Vision-Language Models
von: Wang, Zhiqiang, et al.
Veröffentlicht: (2026)

Boosting the Local Invariance for Better Adversarial Transferability
von: Liu, Bohan, et al.
Veröffentlicht: (2025)

SAFE-Pruner: Semantic Attention-Guided Future-Aware Token Pruning for Efficient Vision-Language-Action Manipulation
von: Ma, Shilin, et al.
Veröffentlicht: (2026)

A Self-Correcting Vision-Language-Action Model for Fast and Slow System Manipulation
von: Li, Chenxuan, et al.
Veröffentlicht: (2024)

ViT-EnsembleAttack: Augmenting Ensemble Models for Stronger Adversarial Transferability in Vision Transformers
von: Cao, Hanwen, et al.
Veröffentlicht: (2025)

Asymmetric Visual Semantic Embedding Framework for Efficient Vision-Language Alignment
von: Liu, Yang, et al.
Veröffentlicht: (2025)

IDEATOR: Jailbreaking and Benchmarking Large Vision-Language Models Using Themselves
von: Wang, Ruofan, et al.
Veröffentlicht: (2024)

Disease-informed Adaptation of Vision-Language Models
von: Zhang, Jiajin, et al.
Veröffentlicht: (2024)

PRIME: Protect Your Videos From Malicious Editing
von: Li, Guanlin, et al.
Veröffentlicht: (2024)

AWT: Transferring Vision-Language Models via Augmentation, Weighting, and Transportation
von: Zhu, Yuhan, et al.
Veröffentlicht: (2024)

XLRS-Bench: Could Your Multimodal LLMs Understand Extremely Large Ultra-High-Resolution Remote Sensing Imagery?
von: Wang, Fengxiang, et al.
Veröffentlicht: (2025)

MME-RealWorld: Could Your Multimodal LLM Challenge High-Resolution Real-World Scenarios that are Difficult for Humans?
von: Zhang, Yi-Fan, et al.
Veröffentlicht: (2024)

Dual Prompt Learning for Adapting Vision-Language Models to Downstream Image-Text Retrieval
von: Wang, Yifan, et al.
Veröffentlicht: (2025)

UniHM: Unified Dexterous Hand Manipulation with Vision Language Model
von: Zhang, Zhenhao, et al.
Veröffentlicht: (2026)

Your Vision-Language-Action Model Already Has Attention Heads For Path Deviation Detection
von: Jeong, Jaehwan, et al.
Veröffentlicht: (2026)

RoboMamba: Efficient Vision-Language-Action Model for Robotic Reasoning and Manipulation
von: Liu, Jiaming, et al.
Veröffentlicht: (2024)

Less Could Be Better: Parameter-efficient Fine-tuning Advances Medical Vision Foundation Models
von: Lian, Chenyu, et al.
Veröffentlicht: (2024)

Improving Vision Transformers by Overlapping Heads in Multi-Head Self-Attention
von: Zhang, Tianxiao, et al.
Veröffentlicht: (2024)

Malicious Image Analysis via Vision-Language Segmentation Fusion: Detection, Element, and Location in One-shot
von: Hang, Sheng, et al.
Veröffentlicht: (2025)

BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation
von: Wang, Hongyu, et al.
Veröffentlicht: (2025)

Bag of Tricks to Boost Adversarial Transferability
von: Zhang, Zeliang, et al.
Veröffentlicht: (2024)

Aligning Information Capacity Between Vision and Language via Dense-to-Sparse Feature Distillation for Image-Text Matching
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Malicious Path Manipulations via Exploitation of Representation Vulnerabilities of Vision-Language Navigation Systems
von: Islam, Chashi Mahiul, et al.
Veröffentlicht: (2024)

Bridging Visual Representation and Reinforcement Learning from Verifiable Rewards in Large Vision-Language Models
von: Han, Yuhang, et al.
Veröffentlicht: (2026)

A Knowledge-guided Adversarial Defense for Resisting Malicious Visual Manipulation
von: Zhou, Dawei, et al.
Veröffentlicht: (2025)

Continual LLaVA: Continual Instruction Tuning in Large Vision-Language Models
von: Cao, Meng, et al.
Veröffentlicht: (2024)

Disrupting Vision-Language Model-Driven Navigation Services via Adversarial Object Fusion
von: Xie, Chunlong, et al.
Veröffentlicht: (2025)

Enhancing Vision-Language Models Generalization via Diversity-Driven Novel Feature Synthesis
von: Yan, Siyuan, et al.
Veröffentlicht: (2024)

Dynamic Rank Adaptation for Vision-Language Models
von: Wang, Jiahui, et al.
Veröffentlicht: (2025)

A-VL: Adaptive Attention for Large Vision-Language Models
von: Zhang, Junyang, et al.
Veröffentlicht: (2024)

FSDAM: Few-Shot Driving Attention Modeling via Vision-Language Coupling
von: Hamid, Kaiser, et al.
Veröffentlicht: (2025)

IKOD: Mitigating Visual Attention Degradation in Large Vision-Language Models
von: Yang, Jiabing, et al.
Veröffentlicht: (2025)

Attention Prompting on Image for Large Vision-Language Models
von: Yu, Runpeng, et al.
Veröffentlicht: (2024)

Large Vision-Language Models Get Lost in Attention
von: Xi, Gongli, et al.
Veröffentlicht: (2026)

SCLIP: Rethinking Self-Attention for Dense Vision-Language Inference
von: Wang, Feng, et al.
Veröffentlicht: (2023)

SaPaVe: Towards Active Perception and Manipulation in Vision-Language-Action Models for Robotics
von: Liu, Mengzhen, et al.
Veröffentlicht: (2026)