新的S&D方法提高了计算机视觉模型对抗图像损坏的鲁棒性

研究人员引入了一种名为抑制与多样化（S&D）的新颖方法，以增强计算机视觉模型对抗图像损坏的鲁棒性。该方法通过识别网络层之间鲁棒特征的渐进式衰减来明确表征内部鲁棒性。S&D使用保持对称性的变换来动态选择和多样化这些鲁棒路径，提供了一种与架构无关且无参数的解决方案，没有测试时间开销。在八个基准上的评估显示，在各种视觉任务和模型骨干网上都取得了持续的性能提升。 AI

影响 提高了计算机视觉模型在安全关键型应用中的可靠性。

排序理由 学术论文，详细介绍了一种提高模型鲁棒性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Litmaps
• ScienceCast
• scite Smart Citations
• Suppress and Diversify

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →