研究人员开发了一种名为 I-ASIDE 的新方法来解释图像模型的扰动鲁棒性。这种模型无关的方法使用公理化谱重要性分解来理解模型如何应对各种扰动，如数据损坏和对抗性攻击。该方法通过应用 Shapley 值理论来量化鲁棒和非鲁棒特征的预测能力，从而深入了解模型鲁棒性的潜在机制。 AI
影响 提供了一个新工具来理解和潜在地提高图像模型在各种攻击和损坏下的鲁棒性。
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2408.01139v4 Announce Type: replace Abstract: Perturbation robustness evaluates the vulnerabilities of models, arising from a variety of perturbations, such as data corruptions and adversarial attacks. Understanding the mechanisms of perturbation robustness is critical for …