論文の概要: AugLy: Data Augmentations for Robustness
- arxiv url: http://arxiv.org/abs/2201.06494v1
- Date: Mon, 17 Jan 2022 16:08:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-20 08:24:54.457078
- Title: AugLy: Data Augmentations for Robustness
- Title(参考訳): AugLy:ロバストネスのためのデータ拡張
- Authors: Zoe Papakipos, Joanna Bitton
- Abstract要約: AugLyは、敵対的堅牢性に焦点を当てたデータ拡張ライブラリである。
我々は、AugLyがどのように機能し、既存のライブラリと比較し、それを様々な最先端モデルの堅牢性を評価するために使用します。
- 参考スコア(独自算出の注目度): 3.1727619150610837
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce AugLy, a data augmentation library with a focus on adversarial
robustness. AugLy provides a wide array of augmentations for multiple
modalities (audio, image, text, & video). These augmentations were inspired by
those that real users perform on social media platforms, some of which were not
already supported by existing data augmentation libraries. AugLy can be used
for any purpose where data augmentations are useful, but it is particularly
well-suited for evaluating robustness and systematically generating adversarial
attacks. In this paper we present how AugLy works, benchmark it compared
against existing libraries, and use it to evaluate the robustness of various
state-of-the-art models to showcase AugLy's utility. The AugLy repository can
be found at https://github.com/facebookresearch/AugLy.
- Abstract(参考訳): 我々は,adversarial robustnessに着目したデータ拡張ライブラリであるauglyを紹介する。
AugLyは、複数のモーダル(オーディオ、画像、テキスト、ビデオ)に対して、幅広い拡張を提供する。
これらの拡張は、実際のユーザがソーシャルメディアプラットフォームで実行するものにインスパイアされたもので、一部はすでに既存のデータ拡張ライブラリではサポートされていなかった。
AugLyは、データ拡張が有用であるあらゆる目的に使用できるが、特にロバスト性を評価し、体系的に敵攻撃を発生させるのに適している。
本稿では, auglyの実用性を示すため, 既存のライブラリと比較し, 既存のライブラリと比較し, 各種最先端モデルのロバスト性評価を行う。
AugLyリポジトリはhttps://github.com/facebookresearch/AugLyにある。
関連論文リスト
- Augmenty: A Python Library for Structured Text Augmentation [0.0]
Augmnetyは構造化テキスト拡張のためのPythonライブラリである。
SpaCy上に構築されており、テキストとアノテーションの両方を拡張できる。
論文 参考訳(メタデータ) (2023-12-09T10:24:59Z) - DualAug: Exploiting Additional Heavy Augmentation with OOD Data
Rejection [77.6648187359111]
そこで本稿では,textbfDualAug という新しいデータ拡張手法を提案する。
教師付き画像分類ベンチマークの実験では、DualAugは様々な自動データ拡張法を改善している。
論文 参考訳(メタデータ) (2023-10-12T08:55:10Z) - Query and Response Augmentation Cannot Help Out-of-domain Math Reasoning
Generalization [56.24794149009814]
大規模言語モデル(LLM)を用いた数学推論では、クエリの進化と多様な推論経路による微調整データ拡張が実証的に有効である。
1)データ拡張の戦略はより効果的か,(2)拡張データ量とモデル性能のスケーリングの関係はどのようなものか,(3)データ拡張は、領域外の数学的推論タスクに一般化を動機付けることができるのか?
論文 参考訳(メタデータ) (2023-10-09T08:18:58Z) - Data-Efficient Augmentation for Training Neural Networks [15.870155099135538]
本稿では,データポイントのサブセットを選択するための厳密な手法を提案する。
SVHNのCIFAR10では6.3倍,SVHNでは2.2倍の高速化を実現し,様々なサブセットサイズでベースラインを最大10%向上させる。
論文 参考訳(メタデータ) (2022-10-15T19:32:20Z) - A Feature-space Multimodal Data Augmentation Technique for Text-video
Retrieval [16.548016892117083]
近年,テキストビデオ検索手法が注目されている。
データ拡張技術は、目に見えないテスト例のパフォーマンスを向上させるために導入された。
特徴空間で機能し,意味的に類似したサンプルを混合して新しいビデオやキャプションを生成するマルチモーダルデータ拡張手法を提案する。
論文 参考訳(メタデータ) (2022-08-03T14:05:20Z) - AugMax: Adversarial Composition of Random Augmentations for Robust
Training [118.77956624445994]
我々はAugMaxと呼ばれるデータ拡張フレームワークを提案し、多様性と硬さの2つの側面を統合する。
AugMaxはまず複数の拡張演算子をランダムにサンプリングし、選択した演算子の逆混合を学習する。
実験の結果、AugMax-DuBINはアウト・オブ・ディストリビューション・ロバスト性を大幅に改善し、前者芸術の3.03%、3.49%、1.82%、0.71%を上回った。
論文 参考訳(メタデータ) (2021-10-26T15:23:56Z) - Virtual Data Augmentation: A Robust and General Framework for
Fine-tuning Pre-trained Models [51.46732511844122]
強力な事前訓練型言語モデル(PLM)は、小さな摂動や意図的な攻撃によって騙されることがある。
VDA(Virtual Data Augmentation)は,PLMを高度に微調整するための一般的なフレームワークである。
本手法は, PLMの堅牢性を向上し, 敵攻撃時の性能劣化を軽減する。
論文 参考訳(メタデータ) (2021-09-13T09:15:28Z) - Augmentation Pathways Network for Visual Recognition [61.33084317147437]
本稿では,より広範な拡張ポリシーのトレーニングを安定させるために,Augmentation Pathways (AP)を導入している。
APは、重いデータ拡張をテーパーし、拡張ポリシーの慎重に選択することなく、安定してパフォーマンスを向上させる。
ImageNetベンチマークの実験結果は、より広い範囲の拡張における互換性と有効性を示している。
論文 参考訳(メタデータ) (2021-07-26T06:54:53Z) - Contrastive Learning with Stronger Augmentations [63.42057690741711]
本論文では,現在のコントラスト学習のアプローチを補完する,より強い拡張(A)によるコントラスト学習という汎用フレームワークを提案する。
ここでは、表現バンク上の弱強調画像と強拡張画像との間の分布のばらつきを利用して、強拡張クエリの検索を監督する。
実験では、強力な画像からの情報により、パフォーマンスが大幅に向上します。
論文 参考訳(メタデータ) (2021-04-15T18:40:04Z) - On the effectiveness of convolutional autoencoders on image-based
personalized recommender systems [0.0]
本稿では,ユーザの嗜好をモデル化するための情報源として画像を利用する可能性について検討する。
畳み込みオートエンコーダを特徴抽出器として用い,パーソナライズされたレコメンデーションを得る画像ベース分類システムを提案する。
提案アーキテクチャはTripAdvisorのデータに適用され,ユーザ,レストラン,利用者が撮影した画像のトリドとして定義できるユーザレビューを利用する。
論文 参考訳(メタデータ) (2020-03-13T11:19:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。