PulseAugur
中
实时 09:00:58
English(EN) Enhancing Adversarial Robustness with Signed Distance Fields for Harmonizing Geometric Invariance and Texture

新框架利用几何和纹理平衡增强AI图像识别鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为GeoTexPuri的新框架，以提高计算机视觉中深度神经网络的对抗鲁棒性。该方法通过使用符号距离场指导训练过程，将几何结构与纹理特征相结合，从而创建针对像素噪声的稳定锚点。在ImageNet上的实验表明，GeoTexPuri在推理过程中作为确定性分类器运行时，在不增加额外计算成本的情况下实现了高清洁精度和鲁棒精度。 AI

影响 这项研究可能带来更安全的AI图像识别系统，减少实时应用中对抗性攻击的脆弱性。

排序理由 这是一篇详细介绍改进计算机视觉模型中对抗鲁棒性新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 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.CV TIER_1 English(EN) · Zhe Li, Bernhard Kainz ·

    利用符号距离场增强对抗鲁棒性以协调几何不变性和纹理

    arXiv:2602.05175v2 Announce Type: replace Abstract: Deep neural networks demonstrate impressive performance in visual recognition but remain highly vulnerable to imperceptible adversarial attacks. Existing defense strategies such as adversarial training and diffusion-based purifi…

相关实体

相关话题