Un chercheur chinois a compilé une vaste enquête sur les ensembles de données utilisés dans la recherche sur les attaques adversariales et la défense image-vers-vidéo (I2V). Le travail catégorise les ensembles de données en sept types : images de visages, art/style, images générales, vidéos, robustesse adverse, multimodal/édition et évaluation de sécurité. Il fournit également une matrice croisée reliant les ensembles de données à des articles de recherche spécifiques. Cette ressource est particulièrement précieuse pour les chercheurs en sécurité IA et les ingénieurs ML travaillant sur la robustesse adverse dans les modèles vidéo et multimodaux. L'enquête reflète le besoin croissant de benchmarks standardisés dans le domaine de la sécurité IA, un domaine en évolution rapide à mesure que les modèles génératifs deviennent plus courants. Pour les développeurs à l'étranger, cela signale une opportunité d'explorer les défis de sécurité I2V et de contribuer à des benchmarks ouverts. Le post n'est pas un tutoriel mais une référence organisée, ce qui le rend adapté à une page thématique pouvant être mise à jour à mesure que de nouveaux ensembles de données émergent.
Ce post fournit une enquête détaillée des ensembles de données utilisés dans la recherche sur les attaques adversariales et la défense image-vers-vidéo (I2V), incluant les ensembles de données de visages, d'art, d'images générales, de vidéos, de robustesse, multimodaux et d'évaluation de sécurité. Ils sont organisés en une matrice croisée avec des articles connexes, offrant une ressource précieuse pour les chercheurs. Le signal souligne la maturation du domaine de la sécurité IA nécessitant des benchmarks structurés.