論文の概要: Collapse-Oriented Adversarial Training with Triplet Decoupling for Robust Image Retrieval

• arxiv url: http://arxiv.org/abs/2312.07364v1
• Date: Tue, 12 Dec 2023 15:33:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 15:39:47.401537
• Title: Collapse-Oriented Adversarial Training with Triplet Decoupling for Robust Image Retrieval
• Title（参考訳）: ロバスト画像検索のためのトリプルトデカップリングによる衝突指向逆行訓練
• Authors: Qiwei Tian, Chenhao Lin, Qian Li, Zhengyu Zhao, Chao Shen
• Abstract要約: 我々は三重項脱結合摂動(TRIDE)を用いた転倒指向(COLO)対向訓練を提案する。 COLOは、更新方向を新しい崩壊指標で時間的に向き付けすることで、モデル崩壊を防止する。 TRIDEは、アンカーと3重項の2つの候補に摂動の更新ターゲットを空間的に分離することで、強い敵を与える。
• 参考スコア（独自算出の注目度）: 12.882000933678569
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adversarial training has achieved substantial performance in defending image retrieval systems against adversarial examples. However, existing studies still suffer from two major limitations: model collapse and weak adversary. This paper addresses these two limitations by proposing collapse-oriented (COLO) adversarial training with triplet decoupling (TRIDE). Specifically, COLO prevents model collapse by temporally orienting the perturbation update direction with a new collapse metric, while TRIDE yields a strong adversary by spatially decoupling the update targets of perturbation into the anchor and the two candidates of a triplet. Experimental results demonstrate that our COLO-TRIDE outperforms the current state of the art by 7% on average over 10 robustness metrics and across 3 popular datasets. In addition, we identify the fairness limitations of commonly used robustness metrics in image retrieval and propose a new metric for more meaningful robustness evaluation. Codes will be made publicly available on GitHub.
• Abstract（参考訳）: 対人訓練は、画像検索システムにおいて、対人的例に対する防御において大きな成果を上げている。 しかし、既存の研究はモデル崩壊と弱い逆境という2つの大きな限界に苦しめられている。 本稿では,三重項疎結合(TRIDE)を用いた倒立指向(COLO)対向トレーニングを提案する。 具体的には、トリドがアンカーへの摂動の更新目標と三重項の2つの候補とを空間的に分離することにより強い敵意を生じさせるのに対し、coroは摂動更新方向を新たな崩壊計量で時間的に向き付けてモデル崩壊を防止する。 実験の結果、我々のcoro-trideは、10以上のロバストネスメトリクスと3つの人気のあるデータセットにおいて、現在のアートの状態を7%上回っています。 さらに,画像検索においてよく用いられるロバストネス指標の公平性限界を特定し,より有意義なロバストネス評価のための新しい指標を提案する。 コードはGitHubで公開されている。

関連論文リスト

• 2D Feature Distillation for Weakly- and Semi-Supervised 3D Semantic Segmentation [92.17700318483745]
  合成訓練された2Dセマンティックセマンティックセグメンテーションネットワークから高レベル特徴情報を蒸留するアイデアに基づく画像誘導ネットワーク(IGNet)を提案する。 IGNetは、ScribbleKITTI上の弱い教師付きLiDARセマンティックセマンティックセグメンテーションの最先端の結果を達成し、8%のラベル付きポイントしか持たない完全な教師付きトレーニングに対して最大98%のパフォーマンスを誇っている。
  論文  参考訳（メタデータ） (2023-11-27T07:57:29Z)
• Enhancing Robust Representation in Adversarial Training: Alignment and Exclusion Criteria [61.048842737581865]
  対人訓練 (AT) は, 頑健な特徴の学習を省略し, 対人的頑健さの低下を招いた。 非対称な負のコントラストと逆の注意によって、頑健な表現を得るためのATの一般的なフレームワークを提案する。 3つのベンチマークデータセットの実証評価により,ATの堅牢性を大幅に向上し,最先端の性能を実現することができた。
  論文  参考訳（メタデータ） (2023-10-05T07:29:29Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Class Anchor Margin Loss for Content-Based Image Retrieval [97.81742911657497]
  距離学習パラダイムに該当する新しいレペラ・トラクタ損失を提案するが、ペアを生成する必要がなく、直接L2メトリックに最適化する。 CBIRタスクにおいて,畳み込みアーキテクチャと変圧器アーキテクチャの両方を用いて,少数ショットおよびフルセットトレーニングの文脈で提案した目的を評価する。
  論文  参考訳（メタデータ） (2023-06-01T12:53:10Z)
• Self-Supervised Monocular Depth Estimation: Solving the Edge-Fattening Problem [39.82550656611876]
  計量学習に人気があるトリプルト損失は多くのコンピュータビジョンタスクで大きな成功を収めた。 MDEにおける生三重項損失の2つの欠点を示し、問題駆動型再設計を実証する。
  論文  参考訳（メタデータ） (2022-10-02T03:08:59Z)
• MIRST-DM: Multi-Instance RST with Drop-Max Layer for Robust Classification of Breast Cancer [62.997667081978825]
  MIRST-DMと呼ばれるドロップマックス層を用いたマルチインスタンスRTTを提案し、小さなデータセット上でよりスムーズな決定境界を学習する。 提案手法は1,190画像の小さな乳房超音波データセットを用いて検証した。
  論文  参考訳（メタデータ） (2022-05-02T20:25:26Z)
• On Triangulation as a Form of Self-Supervision for 3D Human Pose Estimation [57.766049538913926]
  ラベル付きデータが豊富である場合, 単一画像からの3次元ポーズ推定に対する改良されたアプローチは, 極めて効果的である。 最近の注目の多くは、セミと(あるいは)弱い教師付き学習に移行している。 本稿では,多視点の幾何学的制約を,識別可能な三角測量を用いて課し,ラベルがない場合の自己監督の形式として用いることを提案する。
  論文  参考訳（メタデータ） (2022-03-29T19:11:54Z)
• Trace-Norm Adversarial Examples [24.091216490378567]
  逆探索を異なるノルムで制限すると、異なる構成の逆の例が得られる。 構造的対向摂動は、その$l_p$カウンターパートよりも大きな歪みを許容する。 それらは、(局所的な)曖昧さのように、敵の摂動の発生をある程度制御することができる。
  論文  参考訳（メタデータ） (2020-07-02T13:37:19Z)

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。