Buchumschlag

Towards Highly Transferable Vision-Language Attack via Semantic-Augmented Dynamic Contrastive Interaction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yuanbo, Xu, Tianyang, Hu, Cong, Zhou, Tao, Wu, Xiao-Jun, Kittler, Josef
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-Paradigm Collaborative Adversarial Attack Against Multi-Modal Large Language Models
von: Li, Yuanbo, et al.
Veröffentlicht: (2026)

An Improved Graph Pooling Network for Skeleton-Based Action Recognition
von: Wu, Cong, et al.
Veröffentlicht: (2024)

MMDRFuse: Distilled Mini-Model with Dynamic Refresh for Multi-Modality Image Fusion
von: Deng, Yanglin, et al.
Veröffentlicht: (2024)

Adaptive Hyper-Graph Convolution Network for Skeleton-based Human Action Recognition with Virtual Connections
von: Zhou, Youwei, et al.
Veröffentlicht: (2024)

EvaNet: Towards More Efficient and Consistent Infrared and Visible Image Fusion Assessment
von: Cheng, Chunyang, et al.
Veröffentlicht: (2026)

A Tri-Modal Dataset and a Baseline System for Tracking Unmanned Aerial Vehicles
von: Xu, Tianyang, et al.
Veröffentlicht: (2025)

Learning Progressive Adaptation for Multi-Modal Tracking
von: Wang, He, et al.
Veröffentlicht: (2026)

UASTrack: A Unified Adaptive Selection Framework with Modality-Customization in Single Object Tracking
von: Wang, He, et al.
Veröffentlicht: (2025)

Dynamic Subframe Splitting and Spatio-Temporal Motion Entangled Sparse Attention for RGB-E Tracking
von: Shao, Pengcheng, et al.
Veröffentlicht: (2024)

TextFusion: Unveiling the Power of Textual Semantics for Controllable Image Fusion
von: Cheng, Chunyang, et al.
Veröffentlicht: (2023)

Beyond Strict Pairing: Arbitrarily Paired Training for High-Performance Infrared and Visible Image Fusion
von: Deng, Yanglin, et al.
Veröffentlicht: (2026)

TENet: Targetness Entanglement Incorporating with Multi-Scale Pooling and Mutually-Guided Fusion for RGB-E Object Tracking
von: Shao, Pengcheng, et al.
Veröffentlicht: (2024)

FusionBooster: A Unified Image Fusion Boosting Paradigm
von: Cheng, Chunyang, et al.
Veröffentlicht: (2023)

Collaborating Vision, Depth, and Thermal Signals for Multi-Modal Tracking: Dataset and Algorithm
von: Zhu, Xue-Feng, et al.
Veröffentlicht: (2025)

BusReF: Infrared-Visible images registration and fusion focus on reconstructible area using one set of features
von: Zhang, Zeyang, et al.
Veröffentlicht: (2023)

Serial Over Parallel: Learning Continual Unification for Multi-Modal Visual Object Tracking and Benchmarking
von: Tang, Zhangyong, et al.
Veröffentlicht: (2025)

Revisiting RGBT Tracking Benchmarks from the Perspective of Modality Validity: A New Benchmark, Problem, and Solution
von: Tang, Zhangyong, et al.
Veröffentlicht: (2024)

MERGETUNE: Continued Fine-Tuning of Vision-Language Models
von: Wang, Wenqing, et al.
Veröffentlicht: (2026)

SMLNet: A SPD Manifold Learning Network for Infrared and Visible Image Fusion
von: Kang, Huan, et al.
Veröffentlicht: (2024)

GrFormer: A Novel Transformer on Grassmann Manifold for Infrared and Visible Image Fusion
von: Kang, Huan, et al.
Veröffentlicht: (2025)

C2C: Component-to-Composition Learning for Zero-Shot Compositional Action Recognition
von: Li, Rongchang, et al.
Veröffentlicht: (2024)

Omni Survey for Multimodality Analysis in Visual Object Tracking
von: Tang, Zhangyong, et al.
Veröffentlicht: (2025)

Bidirectional Channel-selective Semantic Interaction for Semi-Supervised Medical Segmentation
von: Huang, Kaiwen, et al.
Veröffentlicht: (2026)

Semantic-Aligned Adversarial Evolution Triangle for High-Transferability Vision-Language Attack
von: Jia, Xiaojun, et al.
Veröffentlicht: (2024)

One Model for ALL: Low-Level Task Interaction Is a Key to Task-Agnostic Image Fusion
von: Cheng, Chunyang, et al.
Veröffentlicht: (2025)

Dynamic Avatar-Scene Rendering from Human-centric Context
von: Wang, Wenqing, et al.
Veröffentlicht: (2025)

Toward Universal and Transferable Jailbreak Attacks on Vision-Language Models
von: Cui, Kaiyuan, et al.
Veröffentlicht: (2026)

Hybrid Batch Normalisation: Resolving the Dilemma of Batch Normalisation in Federated Learning
von: Chen, Hongyao, et al.
Veröffentlicht: (2025)

Learning Structure-Supporting Dependencies via Keypoint Interactive Transformer for General Mammal Pose Estimation
von: Xu, Tianyang, et al.
Veröffentlicht: (2025)

Transferable Adversarial Attacks on Black-Box Vision-Language Models
von: Hu, Kai, et al.
Veröffentlicht: (2025)

SGHA-Attack: Semantic-Guided Hierarchical Alignment for Transferable Targeted Attacks on Vision-Language Models
von: Wang, Haobo, et al.
Veröffentlicht: (2026)

Improving Adversarial Transferability in MLLMs via Dynamic Vision-Language Alignment Attack
von: Gu, Chenhe, et al.
Veröffentlicht: (2025)

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

Octopus: Alleviating Hallucination via Dynamic Contrastive Decoding
von: Suo, Wei, et al.
Veröffentlicht: (2025)

DailyMAE: Towards Pretraining Masked Autoencoders in One Day
von: Wu, Jiantao, et al.
Veröffentlicht: (2024)

Probabilistically Aligned View-unaligned Clustering with Adaptive Template Selection
von: Dong, Wenhua, et al.
Veröffentlicht: (2024)

Boosting HDR Image Reconstruction via Semantic Knowledge Transfer
von: Hu, Tao, et al.
Veröffentlicht: (2025)

Backdoor Attack on Vision Language Models with Stealthy Semantic Manipulation
von: Zhong, Zhiyuan, et al.
Veröffentlicht: (2025)

PortraitTalk: Towards Customizable One-Shot Audio-to-Talking Face Generation
von: Nazarieh, Fatemeh, et al.
Veröffentlicht: (2024)

TESSER: Transfer-Enhancing Adversarial Attacks from Vision Transformers via Spectral and Semantic Regularization
von: Guesmi, Amira, et al.
Veröffentlicht: (2025)