PulseAugur
中
实时 11:01:18
English(EN) TIMA: Text-Image Mutual Awareness for Balancing Zero-Shot Adversarial Robustness and Generalization Ability

新的TIMA框架增强了基础模型在零样本对抗中的鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为TIMA（文本-图像相互感知）的新框架，以提高像CLIP这样的基础模型的零样本对抗鲁棒性。TIMA解决了在提高鲁棒性以抵御对抗性攻击的同时，保持泛化能力所面临的挑战。该框架包括用于调整文本和图像嵌入的模块，以更好地平衡logit边际并保持语义一致性，在实验中表现优于现有方法。 AI

影响 这项研究可能带来更具弹性的AI模型，能够处理对抗性攻击而不损害其通用性能。

排序理由 该集群描述了一篇研究论文，其中详细介绍了一个用于提高AI模型鲁棒性的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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TIMA框架增强了基础模型在零样本对抗中的鲁棒性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Fengji Ma, Hei Victor Cheng, Chenxing Li, Li Liu ·

    TIMA：文本-图像相互感知以平衡零样本对抗鲁棒性和泛化能力

    arXiv:2405.17678v2 Announce Type: replace-cross Abstract: Achieving zero-shot adversarial robustness without sacrificing generalization remains challenging for foundation models such as CLIP, especially under large adversarial perturbations. Through empirical analyses, we identif…

相关实体

相关话题