arXiv · 机器人与计算机视觉· Zhi Li, Haowei Liu, Hongchen Yang, Xiaoxuan Wang, Song Gao, Shaowen Yao, Wei Zhou·· 2026-10-09AI 评分45
CGARD:协同引导对抗鲁棒蒸馏新方法提升模型鲁棒性
Collaboratively Guided Adversarial Robust Distillation with Teacher-Favorable Examples
AI 导读
CGARD 提出一种在扰动邻域内联合优化学生对抗与教师协作样本的对抗蒸馏方法,通过约束教师协作示例不增加交叉熵损失来改善鲁棒知识迁移。实验在 CIFAR-10 和 CIFAR-100 数据集上进行白盒及黑盒评估,结果显示该方法相比强对抗蒸馏基线实现了持续且一致的鲁棒性提升。
来源:arXiv · 机器人与计算机视觉 · arxiv.org