CLIPure

CLIPure 在潜在空间中增强零样本图像分类的鲁棒性

研究人员开发了CLIPure，一种用于增强零样本图像分类中对抗鲁棒性的新颖方法。该方法通过纯化对抗性扰动在CLIP（一种视觉-语言模型）的潜在空间中运行。CLIPure 引入了两个变体：CLIPure-Diff，它使用 DiffusionPrior 模块；CLIPure-Cos，它依赖于余弦相似度。这些方法旨在提高防御效率，而无需生成模型，并在各种数据集上显示出鲁棒性的显著提升。