연구진은 복잡한 Vision-Language Pre-training Models(VLPM) 공격 파이프라인이 오히려 성능을 저해할 수 있다고 밝혔어요.
SimVLA라는 새로운 파이프라인을 제안하여 기존 공격 방식 대비 전이성 및 효율성을 개선했으며, Flickr30k 데이터셋에서 R@1 전이성률을 8.01%~14.71% 향상시켰어요.
SimVLA는 불필요한 상호작용과 과도한 연산을 줄이고, 도메인 지식을 활용하여 단순하면서도 효과적인 공격 파이프라인을 구축하는 데 초점을 맞췄어요.