Fugu-MT 論文翻訳(概要): On the Interplay of Convolutional Padding and Adversarial Robustness

論文の概要: On the Interplay of Convolutional Padding and Adversarial Robustness

arxiv url: http://arxiv.org/abs/2308.06612v1
Date: Sat, 12 Aug 2023 17:06:48 GMT
ステータス: 処理完了
システム内更新日: 2023-08-15 16:23:43.184666
Title: On the Interplay of Convolutional Padding and Adversarial Robustness
Title（参考訳）: 畳み込みと対向ロバスト性の相互作用について
Authors: Paul Gavrikov and Janis Keuper
Abstract要約: 本研究は, 対人攻撃によって画像境界における摂動異常が生じることを示し, 対人攻撃はパディングが用いられる領域であることを示した。異なるパディングモード(またはその欠如)が様々なシナリオにおける敵の堅牢性にどのように影響するかという質問に対する回答を求める。
参考スコア（独自算出の注目度）: 16.306183236605364
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: It is common practice to apply padding prior to convolution operations to preserve the resolution of feature-maps in Convolutional Neural Networks (CNN). While many alternatives exist, this is often achieved by adding a border of zeros around the inputs. In this work, we show that adversarial attacks often result in perturbation anomalies at the image boundaries, which are the areas where padding is used. Consequently, we aim to provide an analysis of the interplay between padding and adversarial attacks and seek an answer to the question of how different padding modes (or their absence) affect adversarial robustness in various scenarios.
Abstract（参考訳）: 畳み込み処理に先立ってパディングを適用して、畳み込みニューラルネットワーク(CNN)における特徴マップの解像度を維持するのが一般的である。多くの代替案が存在するが、入力の周りにゼロの境界を追加することで達成されることが多い。本研究は,パディングが使用される領域である画像境界において,逆攻撃が摂動異常を生じさせることが多いことを示す。そこで本研究では,パディングモードと敵攻撃の相互作用を解析し,異なるパディングモード(あるいはその欠如)が,様々なシナリオにおける敵の堅牢性にどのように影響するかを問う。

関連論文リスト

Exploring Robust Features for Improving Adversarial Robustness [11.935612873688122]
本研究では, 対向的摂動の影響を受けない頑健な特徴を探索し, モデルの対向的強靭性を改善する。具体的には、ロバストでない特徴やドメイン固有の特徴からロバストな特徴を分離する機能障害モデルを提案する。トレーニング済みのドメイン識別器は、クリーンな画像や敵の例から、ほぼ完璧にドメイン固有の特徴を識別することができる。
論文参考訳（メタデータ） (2023-09-09T00:30:04Z)
Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。空間周波数Krawtchouk分解に基づく識別検出器を提案する。
論文参考訳（メタデータ） (2023-05-18T10:18:59Z)
Latent Boundary-guided Adversarial Training [61.43040235982727]
モデルトレーニングに敵の例を注入する最も効果的な戦略は、敵のトレーニングであることが証明されている。本稿では, LAtent bounDary-guided aDvErsarial tRaining という新たな逆トレーニングフレームワークを提案する。
論文参考訳（メタデータ） (2022-06-08T07:40:55Z)
Context-aware Padding for Semantic Segmentation [82.37483350347559]
画像の拡張のためのコンテキスト認識(CA)パディング手法を提案する。 ResNetベースのセグメンテーションモデルでは、コンテキスト認識パディングを用いることで、従来のゼロパディングよりも高い平均断面積を達成できる。
論文参考訳（メタデータ） (2021-09-16T10:33:21Z)
Discriminator-Free Generative Adversarial Attack [87.71852388383242]
生成的ベースの敵攻撃は、この制限を取り除くことができる。 ASymmetric Saliency-based Auto-Encoder (SSAE) は摂動を生成する。 SSAEが生成した敵の例は、広く使われているモデルを崩壊させるだけでなく、優れた視覚的品質を実現する。
論文参考訳（メタデータ） (2021-07-20T01:55:21Z)
Adversarial Robustness Across Representation Spaces [35.58913661509278]
逆サロバスト性は、テスト時の知覚できない摂動に対するディープニューラルネットワークの感受性に対応している。本研究では、複数の自然表現空間に適用された摂動に同時に頑健にできるディープニューラルネットワークのトレーニング問題を考察するために、設定を拡張した。
論文参考訳（メタデータ） (2020-12-01T19:55:58Z)
Understanding Adversarial Examples from the Mutual Influence of Images and Perturbations [83.60161052867534]
クリーンな画像と敵の摂動を遠ざけることで敵の例を分析し,その相互への影響を分析した。以上の結果から,画像と普遍摂動の関係に対する新たな視点が示唆された。我々は、オリジナルトレーニングデータを活用することなく、目標とするユニバーサルアタックの挑戦的なタスクを最初に達成した人物です。
論文参考訳（メタデータ） (2020-07-13T05:00:09Z)
D-square-B: Deep Distribution Bound for Natural-looking Adversarial Attack [19.368450129985423]
深層層における内的活性化値に対するバウンダリングによる自然な対向例を生成する手法を提案する(第2報)。個々のピクセルの代わりにモデル内部をバウンディングすることで、我々の攻撃は、元の入力の既存の特徴と密接に結びついた摂動を認めます。我々の攻撃は、より自然に見える敵の摂動を持ちながら、同じ攻撃成功/自信レベルを達成することができる。
論文参考訳（メタデータ） (2020-06-12T15:14:28Z)
Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文参考訳（メタデータ） (2020-02-07T03:45:25Z)
Generating Semantic Adversarial Examples via Feature Manipulation [23.48763375455514]
本稿では,意味的意味を持つ構造的摂動を設計することで,より現実的な敵攻撃を提案する。提案手法は,非絡み付きラテント符号を用いて画像の意味的属性を演算する。我々は、普遍的で画像に依存しないセマンティック・逆境の例の存在を実証する。
論文参考訳（メタデータ） (2020-01-06T06:28:31Z)

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。