一篇题为“嵌入中的裂痕”(Cracks in Embeddings)的新研究论文,调查了联合嵌入预测架构(JEPA)模型应用于医学影像(特别是胸部X射线)时的鲁棒性和稳定性。研究发现,这些在NIH ChestX-ray14图像大型数据集上训练的模型,容易受到对抗性攻击和图像损坏的严重损害,导致嵌入一致性和分类准确性下降。研究还探讨了两种提高鲁棒性的方法:对抗性微调,事实证明有效;以及向量量化码本方法,该方法在失真下表现出性能下降。 AI
影响 突显了在医学影像等关键应用中使用的自监督模型的潜在漏洞,有必要对鲁棒的训练方法进行进一步研究。
排序理由 学术论文,详细介绍了关于模型鲁棒性的新研究发现。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Boundary Attack
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- I-JEPA
- NIH ChestX-ray14
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →