PulseAugur
中
实时 09:10:31
English(EN) SeFaR: Semantic Feature-aware Robustness Testing of Deep Neural Networks

新的SeFaR框架增强了视觉模型的语义鲁棒性测试

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为SeFaR的新框架，用于系统地测试视觉模型。SeFaR专注于以语义特征为中心的评估，确保模型即使在面对多样化和真实的语义变化时，也能根据高级需求正确运行。该框架利用分层概念模型，并通过用户定义的概念整合领域知识，利用扩散模型和视觉语言模型生成保持语义的扰动。这种方法旨在通过识别影响模型决策的、与需求无关的特征来揭示故障，提供可解释的导致失败的概念和相应的测试输入。 AI

影响 该框架通过对AI系统的语义鲁棒性进行更彻底的测试，有望提高其在安全关键应用中的可靠性。

排序理由 该集群包含一篇研究论文，详细介绍了一种用于测试深度神经网络的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的SeFaR框架增强了视觉模型的语义鲁棒性测试

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Nusrat Jahan Mozumder, Divya Gopinath, Corina Pasareanu, Matthew Dwyer ·

    SeFaR：深度神经网络的语义特征感知鲁棒性测试

    arXiv:2608.10289v1 Announce Type: cross Abstract: Deep neural networks are increasingly deployed in safety-critical domains as perception modules, where failures are often caused due to rare and under-represented scenarios. This necessitates the need to evaluate the semantic robu…

相关实体

相关话题