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