跳到正文
arXiv · 机器人与计算机视觉· Junhao Dong, Zicheng Yu, Xinghua Qu, Z. Jane Wang, Yew-Soon Ong·· 14 小时前AI 评分68

生存者最适扰动:面向鲁棒泛化的对抗分布不确定性感知进化

Survival of the Fittest Perturbations: Uncertainty-Aware Evolution of Adversarial Distributions for Robust Generalization

AI 导读

针对深度学习在对抗样本下的脆弱性问题,本文提出进化不确定性感知分布对抗训练(EvoUAD-AT)方法。该方法设计进化对抗不确定性模块,维护实例级搜索分布以捕捉特征统计变化,并通过反思性梯度匹配进行正则化。实验表明,该方法在多个基准测试中同时优于现有最先进方法,实现了更高的清洁准确率与鲁棒性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org