Newest papers

A Unified Evaluation Framework of Physical Adversarial Robustness in the Edge VLM Era

Eric Liang, Alan Luo, Kaiwen Yuan · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29196 · open-access PDF

Spanish

Los recientes avances en los modelos de lenguaje de visión (VLM) permiten el aterrizaje visual de extremo a extremo a través de prompts de lenguaje y decodificación generativa, demostrando en gran medida mejoras en las capacidades de detección de disparos cero y vocabulario abierto. Como resultado, los VLM se están desplegando rápidamente en el borde en los sistemas del mundo real críticos a la seguridad. Sin embargo, la robustez adversaria física de los VLM de borde no ha sido estudiada sistemáticamente, y las diferencias fundamentales en la salida con los detectores de objetos modernos crean desafíos metodológicos para la evaluación justa.

Machine translation (Meta M2M100); the English original follows.

Abstract

Recent advancements in Vision-Language Models (VLMs) enable end-to-end visual grounding via language prompts and generative decoding, demonstrating largely improved zero-shot and open-vocabulary detection capabilities. As a result, VLMs are rapidly being deployed at the edge in safety-critical real-world systems. However, the physical adversarial robustness of edge VLMs has not been systematically studied, and the fundamental differences in output with modern object detectors create methodological challenges for fair evaluation. To compare the two families directly, we evaluate every selected

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange