论文提出 QR-STT，一种无需训练、黑盒、基于梯度自由搜索的红外视觉语言模型攻击框架。它将 QR 图案模块编码为冷、 中性或热状态，并联合优化拓扑、位置、尺度、旋转、强度、模糊度和圆度，以诱导目标语义。摘要称该扰动还能从分类迁移至图像描述和视觉问答。
最近 24 小时暂无可用热度快照。