Buchumschlag

FedAPT: Federated Adversarial Prompt Tuning for Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhai, Kun, Chen, Siheng, Ma, Xingjun, Jiang, Yu-Gang
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

Adversarial Prompt Tuning for Vision-Language Models
von: Zhang, Jiaming, et al.
Veröffentlicht: (2023)

NAP-Tuning: Neural Augmented Prompt Tuning for Adversarially Robust Vision-Language Models
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

MoAPT: Mixture of Adversarial Prompt Tuning for Vision-Language Models
von: Zhao, Shiji, et al.
Veröffentlicht: (2025)

TAME: Test-Time Adversarial Prompt Tuning via Mixture-of-Experts for Vision-Language Models
von: Wang, Xin, et al.
Veröffentlicht: (2026)

Adversarial Prompt Distillation for Vision-Language Models
von: Luo, Lin, et al.
Veröffentlicht: (2024)

TAPT: Test-Time Adversarial Prompt Tuning for Robust Inference in Vision-Language Models
von: Wang, Xin, et al.
Veröffentlicht: (2024)

AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning
von: Wang, Xin, et al.
Veröffentlicht: (2024)

FedMVP: Federated Multimodal Visual Prompt Tuning for Vision-Language Models
von: Singha, Mainak, et al.
Veröffentlicht: (2025)

BadPatch: Diffusion-Based Generation of Physical Adversarial Patches
von: Wang, Zhixiang, et al.
Veröffentlicht: (2024)

Downstream Transfer Attack: Adversarial Attacks on Downstream Models with Pre-trained Vision Transformers
von: Zheng, Weijie, et al.
Veröffentlicht: (2024)

AIM: Additional Image Guided Generation of Transferable Adversarial Attacks
von: Li, Teng, et al.
Veröffentlicht: (2025)

CoAPT: Context Attribute words for Prompt Tuning
von: Lee, Gun, et al.
Veröffentlicht: (2024)

AttackVLA: Benchmarking Adversarial and Backdoor Attacks on Vision-Language-Action Models
von: Li, Jiayu, et al.
Veröffentlicht: (2025)

BackdoorVLM: A Benchmark for Backdoor Attacks on Vision-Language Models
von: Li, Juncheng, et al.
Veröffentlicht: (2025)

FedVLMBench: Benchmarking Federated Fine-Tuning of Vision-Language Models
von: Zheng, Weiying, et al.
Veröffentlicht: (2025)

AntifakePrompt: Prompt-Tuned Vision-Language Models are Fake Image Detectors
von: Chang, You-Ming, et al.
Veröffentlicht: (2023)

RedDiffuser: Auditing Multimodal Safety Failures in Vision-Language Models via Reinforced Diffusion
von: Wang, Ruofan, et al.
Veröffentlicht: (2025)

White-box Multimodal Jailbreaks Against Large Vision-Language Models
von: Wang, Ruofan, et al.
Veröffentlicht: (2024)

Debiased Prompt Tuning in Vision-Language Model without Annotations
von: Jiang, Chaoquan, et al.
Veröffentlicht: (2025)

Prompt Tuning with Soft Context Sharing for Vision-Language Models
von: Ding, Kun, et al.
Veröffentlicht: (2022)

FedDEAP: Adaptive Dual-Prompt Tuning for Multi-Domain Federated Learning
von: Zheng, Yubin, et al.
Veröffentlicht: (2025)

Weak Distribution Detectors Lead to Stronger Generalizability of Vision-Language Prompt Tuning
von: Ding, Kun, et al.
Veröffentlicht: (2024)

Generalizable Prompt Tuning for Vision-Language Models
von: Zhang, Qian
Veröffentlicht: (2024)

FedHPL: Efficient Heterogeneous Federated Learning with Prompt Tuning and Logit Distillation
von: Ma, Yuting, et al.
Veröffentlicht: (2024)

Efficient Test-Time Prompt Tuning for Vision-Language Models
von: Zhu, Yuhan, et al.
Veröffentlicht: (2024)

SemPT: Semantic Prompt Tuning for Vision-Language Models
von: Shi, Xiao, et al.
Veröffentlicht: (2025)

SAMA: Towards Multi-Turn Referential Grounded Video Chat with Large Language Models
von: Sun, Ye, et al.
Veröffentlicht: (2025)

DPC: Dual-Prompt Collaboration for Tuning Vision-Language Models
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Towards Calibrating Prompt Tuning of Vision-Language Models
von: Sharifdeen, Ashshak, et al.
Veröffentlicht: (2026)

BlueSuffix: Reinforced Blue Teaming for Vision-Language Models Against Jailbreak Attacks
von: Zhao, Yunhan, et al.
Veröffentlicht: (2024)

Closed-Loop Bidirectional Prompting for Adversarial Robustness of Vision Language Models
von: Liu, Xiao, et al.
Veröffentlicht: (2026)

pFedMMA: Personalized Federated Fine-Tuning with Multi-Modal Adapter for Vision-Language Models
von: Ghiasvand, Sajjad, et al.
Veröffentlicht: (2025)

FedVLM: Scalable Personalized Vision-Language Models through Federated Learning
von: Mitra, Arkajyoti, et al.
Veröffentlicht: (2025)

GeneralVLA: Generalizable Vision-Language-Action Models with Knowledge-Guided Trajectory Planning
von: Ma, Guoqing, et al.
Veröffentlicht: (2026)

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

TuneVLSeg: Prompt Tuning Benchmark for Vision-Language Segmentation Models
von: Adhikari, Rabin, et al.
Veröffentlicht: (2024)

Evolution-based Region Adversarial Prompt Learning for Robustness Enhancement in Vision-Language Models
von: Jia, Xiaojun, et al.
Veröffentlicht: (2025)

Raw Data Matters: Enhancing Prompt Tuning by Internal Augmentation on Vision-Language Models
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Defense-to-Attack: Bypassing Weak Defenses Enables Stronger Jailbreaks in Vision-Language Models
von: Zhao, Yunhan, et al.
Veröffentlicht: (2025)

FreezeVLA: Action-Freezing Attacks against Vision-Language-Action Models
von: Wang, Xin, et al.
Veröffentlicht: (2025)