Ce projet vise à étudier la vulnérabilité des modèles de reconnaissance de personnes aux attaques adverses. Il propose différents types d'attaques sur les modèles d'apprentissage métrique en fonction du nombre et du type de guides disponibles. Deux attaques particulièrement efficaces ont été identifiées, et le projet propose également des méthodes de défense contre ces attaques.

Ce projet concerne l'amélioration de l'apprentissage automatique à partir de quelques exemples grâce à la théorie de la métarépresentation multi-tâche. Il s'agit du code officiel de l'article accepté à ECCV 2022 intitulé "Improving Few-Shot Learning through Multi-task Representation Learning Theory".