PulseAugur
中
实时 00:16:35
English(EN) Dithering Defense: Adversarial Robustness of Vision Foundation Models via Multi-Level Floyd-Steinberg Dithering

抖动技术提升视觉模型对抗鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为多级Floyd-Steinberg误差扩散抖动的新方法，以增强视觉基础模型的对抗鲁棒性。该技术作为一种输入转换，可以扰乱对抗性攻击，同时保持图像的语义内容。在各种任务和模型系列中进行测试，该抖动方法，特别是结合中间量化和后处理模糊，在干净输入上的退化较少的情况下，表现优于或媲美现有基线。 AI

影响 为视觉基础模型引入了一种轻量级、模型无关的对抗攻击防御方法。

排序理由 详细介绍一种提高AI模型鲁棒性新方法的学术论文。 [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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yury Belousov, Brian Pulfer, Vitaliy Kinakh, Slava Voloshynovskiy ·

    犹豫的防御：通过多级Floyd-Steinberg抖动实现视觉基础模型的对抗鲁棒性

    arXiv:2605.23065v1 Announce Type: cross Abstract: Vision foundation models are widely used as frozen backbones across many downstream tasks, making them a single point of failure under adversarial attack. We study multi-level Floyd-Steinberg error-diffusion dithering as a lightwe…

相关实体

相关话题