基础模型（FM）以其强大的生成能力，彻底改变了包括计算机视觉在内的多个领域。在此基础上，X领域特定的基础模型（XFM），如自动 驾驶FM、医疗FM等，通过在精选数据集上的训练和针对任务的架构修改，进一步提升了各自领域内的专业任务性能。然而，随着XFM的广泛 应用，其对抗性攻击的脆弱性也逐渐暴露。这些攻击可能导致模型对输入图像或提示进行错误分类，甚至生成对手期望的输出，对自动驾驶、 医疗诊断等安全关键型应用构成重大威胁。 论文征稿 本次研讨会诚邀与以下主题相关（但不限于）的投稿，并设立最佳论文奖（Best Workshop Paper）： advml团队 投稿 量子位 | 公众号 QbitAI IEEE/CVF国际计算机视觉与模式识别会议（CVPR），作为人工智能领域最具学术影响力的顶级会议之一，将于2025年6月11日至6月15日 在美国田纳西州隆重举行。 在此盛会中，第五届对抗机器学习Workshop将由北京航空航天大学、中关村实验室、南洋理工大学等全球知名学术机构联合举办。本次 Workshop以 基础模型+X 为主题，旨在深入探讨基础模型（FM）及其在特定领域应用（XFM）中的鲁棒性挑战。 主题聚焦：基 ...