Fugu-MT 論文翻訳(概要): Alias-Free Convnets: Fractional Shift Invariance via Polynomial Activations

論文の概要: Alias-Free Convnets: Fractional Shift Invariance via Polynomial Activations

arxiv url: http://arxiv.org/abs/2303.08085v1
Date: Tue, 14 Mar 2023 17:16:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 13:58:39.113296
Title: Alias-Free Convnets: Fractional Shift Invariance via Polynomial Activations
Title（参考訳）: エイリアスフリー共振器:ポリノミアル活性化によるフラクショナルシフト不変性
Authors: Hagay Michaeli, Tomer Michaeli, Daniel Soudry
Abstract要約: CNNは翻訳に不変であると考えられている。ダウンサンプリング層と非線形層の両方に対処する拡張アンチエイリアス手法を提案する。提案したモデルが整数や分数変換(サブピクセル)に不変であることを示す。
参考スコア（独自算出の注目度）: 53.399996863034424
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Although CNNs are believed to be invariant to translations, recent works have shown this is not the case, due to aliasing effects that stem from downsampling layers. The existing architectural solutions to prevent aliasing are partial since they do not solve these effects, that originate in non-linearities. We propose an extended anti-aliasing method that tackles both downsampling and non-linear layers, thus creating truly alias-free, shift-invariant CNNs. We show that the presented model is invariant to integer as well as fractional (i.e., sub-pixel) translations, thus outperforming other shift-invariant methods in terms of robustness to adversarial translations.
Abstract（参考訳）: CNNは翻訳に不変であると考えられているが、最近の研究では、ダウンサンプリング層に由来するエイリアス効果のため、そうではないことが示されている。エイリアスを防止するための既存のアーキテクチャソリューションは、これらの効果を解決しないため部分的である。本稿では,ダウンサンプリング層と非線形層の両方に対処する拡張アンチエイリアス手法を提案する。提案モデルは整数および分数(すなわちサブピクセル)変換に対して不変であり、従って逆変換に対するロバスト性の観点から他のシフト不変法よりも優れていることを示す。

関連論文リスト

General Lipschitz: Certified Robustness Against Resolvable Semantic Transformations via Transformation-Dependent Randomized Smoothing [5.5855074442298696]
構成可能な可解なセマンティック摂動に対してニューラルネットワークを認証する新しいフレームワークであるEmph General Lipschitz (GL)を提案する。提案手法は,ImageNetデータセットにおける最先端のアプローチと同等に機能する。
論文参考訳（メタデータ） (2023-08-17T14:39:24Z)
In and Out-of-Domain Text Adversarial Robustness via Label Smoothing [64.66809713499576]
多様なNLPタスクの基本モデルにおいて,ラベルの平滑化戦略によって提供される対角的ロバスト性について検討する。実験の結果,ラベルのスムース化は,BERTなどの事前学習モデルにおいて,様々な攻撃に対して,逆方向の堅牢性を大幅に向上させることがわかった。また,予測信頼度とロバスト性の関係を解析し,ラベルの平滑化が敵の例に対する過度な信頼誤差を減少させることを示した。
論文参考訳（メタデータ） (2022-12-20T14:06:50Z)
GSmooth: Certified Robustness against Semantic Transformations via Generalized Randomized Smoothing [40.38555458216436]
一般的な意味変換に対する堅牢性を証明するための統一的な理論的枠組みを提案する。 GSmoothフレームワークでは,画像と画像の代理ネットワークを用いて複雑な変換を近似するスケーラブルなアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-06-09T07:12:17Z)
RISP: Rendering-Invariant State Predictor with Differentiable Simulation and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
論文参考訳（メタデータ） (2022-05-11T17:59:51Z)
Block-Sparse Adversarial Attack to Fool Transformer-Based Text Classifiers [49.50163349643615]
本稿では,変圧器を用いたテキスト分類器に対して,勾配に基づく逆攻撃を提案する。実験結果から, 文の意味を抑えながら, GPT-2の精度を5%以下に抑えることができた。
論文参考訳（メタデータ） (2022-03-11T14:37:41Z)
Group Equivariant Subsampling [60.53371517247382]
サブサンプリングは、プールやストライド畳み込みの形で畳み込みニューラルネットワーク(CNN)で使用される。まず、正確な翻訳同変CNNを構築するために使用できる翻訳同変サブサンプリング/アップサンプリング層を導入する。次に、これらの層を一般群への変換を超えて一般化し、したがって群同変部分サンプリング/アップサンプリングを提案する。
論文参考訳（メタデータ） (2021-06-10T16:14:00Z)
Truly shift-equivariant convolutional neural networks with adaptive polyphase upsampling [28.153820129486025]
画像分類において、適応型多相ダウンサンプリング(APS-D)はCNNを完全に不変にするために最近提案されている。本稿では,従来のアップサンプリングの非線形拡張であるaps-u(adaptive polyphase upsampling)を提案する。
論文参考訳（メタデータ） (2021-05-09T22:33:53Z)
Lipschitz Regularized CycleGAN for Improving Semantic Robustness in Unpaired Image-to-image Translation [19.083671868521918]
未ペア画像から画像への変換タスクでは、GANベースのアプローチはセマンティックフリップの影響を受けやすい。セマンティックロバスト性向上のための新しい手法であるLipschitz regularized CycleGANを提案する。複数の共通データセットに対するアプローチを評価し、既存のGANベースのメソッドと比較する。
論文参考訳（メタデータ） (2020-12-09T09:28:53Z)
Truly shift-invariant convolutional neural networks [0.0]
近年の研究では、CNNの出力は入力の小さなシフトで大きく変化することが示されている。本稿では,適応型多相サンプリング(APS)を提案する。これは,畳み込みニューラルネットワークが,シフト下での分類性能において100%整合性を実現するための,単純なサブサンプリング手法である。
論文参考訳（メタデータ） (2020-11-28T20:57:35Z)
Invariant Deep Compressible Covariance Pooling for Aerial Scene Categorization [80.55951673479237]
本研究では,空気シーン分類におけるニュアンス変動を解決するために,新しい不変な深部圧縮性共分散プール (IDCCP) を提案する。本研究では,公開空間画像データセットに関する広範な実験を行い,最先端の手法と比較して,この手法の優位性を実証する。
論文参考訳（メタデータ） (2020-11-11T11:13:07Z)

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。