arXiv · 机器人与计算机视觉· Mostafa Kira, Bader Rasheed, Manuel Mazzara·· 15 天前AI 评分74
预训练视觉地点识别模型的锚定秩对抗微调
Anchored Rank-Adversarial Fine-Tuning of Pretrained Visual Place Recognition Models
AI 导读
针对当前基础模型在视觉地点识别任务中面对白盒攻击时鲁棒性不足的问题,本文提出锚定秩对抗微调方法。该方法通过冻结预训练模型描述符并引入锚点,利用列表级秩损失对最困难正样本进行微调。实验表明,在固定的干净准确率预算内,该方法将 SuperVLAD 和 BoQ 的鲁棒召回率从 0 分别提升至 47.3% 和 55.3%,且无需重新调优即可迁移至不同模型。
来源:arXiv · 机器人与计算机视觉 · arxiv.org