Ein chinesischer Forscher hat eine umfassende Übersicht über Datensätze zusammengestellt, die in der Forschung zu adversarial Angriffen und Verteidigung von Bild-zu-Video (I2V) verwendet werden. Die Arbeit kategorisiert Datensätze in sieben Typen: Gesichtsbilder, Kunst/Stil, allgemeine Bilder, Videos, adversarial Robustheit, multimodal/Bearbeitung und Sicherheitsbewertung. Sie bietet auch eine Kreuzmatrix, die Datensätze mit bestimmten Forschungspapieren verknüpft. Diese Ressource ist besonders wertvoll für KI-Sicherheitsforscher und ML-Ingenieure, die an adversarial Robustheit in Video- und multimodalen Modellen arbeiten. Die Übersicht spiegelt den wachsenden Bedarf an standardisierten Benchmarks im Bereich KI-Sicherheit wider, einem sich schnell entwickelnden Feld, da generative Modelle immer häufiger werden. Für Entwickler im Ausland signalisiert dies eine Gelegenheit, I2V-Sicherheitsherausforderungen zu erkunden und zu offenen Benchmarks beizutragen. Der Beitrag ist kein Tutorial, sondern eine kuratierte Referenz, die sich für eine Themenseite eignet, die bei neuen Datensätzen aktualisiert werden kann.
Dieser Beitrag bietet eine detaillierte Übersicht über Datensätze, die in der Forschung zu adversarial Angriffen und Verteidigung von Bild-zu-Video (I2V) verwendet werden, einschließlich Gesichts-, Kunst-, allgemeine Bild-, Video-, Robustheits-, multimodale und Sicherheitsbewertungsdatensätze. Sie sind in einer Kreuzmatrix mit zugehörigen Papieren organisiert und bieten eine wertvolle Ressource für Forscher. Das Signal unterstreicht die Reifung des Bereichs KI-Sicherheit, der strukturierte Benchmarks erfordert.