論文の概要: Adversarial Attack and Disturbance Detection by Hadamard-Coded Output Representations for Object Detection and Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2606.09536v1
• Date: Mon, 08 Jun 2026 14:18:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.185089
• Title: Adversarial Attack and Disturbance Detection by Hadamard-Coded Output Representations for Object Detection and Semantic Segmentation
• Title（参考訳）: オブジェクト検出とセマンティックセグメンテーションのためのアダマール符号化出力表現による逆攻撃・外乱検出
• Authors: Lucas Görnhardt, Timo Bartels, Niklas Schwarz, Tim Fingscheidt,
• Abstract要約: 以前の画像分類研究は、アダマール符号化された出力表現が対向ロバスト性を向上させることを実証している。 本稿では,意味的セグメンテーションやオブジェクト検出モデル,タスクの出力表現としてHadamardコードを利用するフレームワークであるHadamardNetを紹介する。 我々は,障害と敵攻撃の両方を包括的に評価し,両タスクの最先端検出性能を1回の検出パスで達成する。
• 参考スコア（独自算出の注目度）: 16.097964469201035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional one-hot encodings often yield poorly calibrated models, being overconfident under attack, and letting entropy-based detection algorithms fail. Previous image classification works have demonstrated that Hadamard-coded output representations can improve adversarial robustness. However, attempts to integrate Hadamard codes into semantic segmentation fall far behind state-of-the-art models in mean intersection-over-union performance. Regarding object detection, such output encodings have not yet been investigated at all. Further, no prior art addressed intrinsic codeword inconsistencies or actually exploited intrinsic codeword redundancy. Accordingly, we first derive a novel decoding procedure for Hadamard codewords towards optimal class-wise probabilities, solving the underlying optimization problem by using the projection onto the probability simplex. Second, our optimization delivers a measure of prediction inconsistency. Third, we are the first to show how to exploit these inconsistencies for adversarial attack and disturbance detection. Fourth, we introduce HadamardNet, a framework employing Hadamard codes as output representations for semantic segmentation and object detection models and tasks. We conduct a comprehensive evaluation both on disturbances and adversarial attacks, achieving state-of-the-art perturbation detection performance for both tasks in only a single detection pass, while delivering equivalent or close-by reference performance on clean data.
• Abstract（参考訳）: 従来のワンホット符号化では、キャリブレーションが不十分で、攻撃時に過信され、エントロピーベースの検出アルゴリズムが失敗することが多い。 以前の画像分類研究は、アダマール符号化された出力表現が対向ロバスト性を向上させることを実証している。 しかし、アダマール符号を意味的セグメンテーションに統合しようとする試みは、平均的交差対ユニオン性能において最先端のモデルよりもはるかに遅れている。 オブジェクト検出に関しては、そのような出力符号化は未だ研究されていない。 さらに、本質的なコードワードの不整合や実際に本質的なコードワードの冗長性に対処する先行技術は存在しなかった。 そこで我々はまず,アダマール符号語の新しい復号法を最適クラスワイド確率に導出し,確率単純度へのプロジェクションを用いて基礎となる最適化問題を解く。 第二に、我々の最適化は予測の不整合の尺度を提供する。 第3に,このような不整合を敵攻撃や外乱検出に活用する方法を最初に示す。 第4に、HadamardNetは、意味的セグメンテーションとオブジェクト検出モデルとタスクのための出力表現として、Hadamardコードを利用するフレームワークである。 本研究では,乱れと敵攻撃の両面を包括的に評価し,単一の検出パスのみで両タスクの最先端の摂動検出性能を達成し,クリーンなデータに対して等価あるいは近接的な参照性能を提供する。

関連論文リスト

• Patch-aware Vector Quantized Codebook Learning for Unsupervised Visual Defect Detection [4.081433571732692]
  産業応用においては、教師なしの視覚欠陥検出が重要である。 教師なし欠陥検出に最適化された拡張VQ-VAEフレームワークを用いた新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-01-15T22:26:26Z)
• Refine, Discriminate and Align: Stealing Encoders via Sample-Wise Prototypes and Multi-Relational Extraction [57.16121098944589]
  RDAは、事前訓練されたエンコーダを盗むために、以前の取り組みで普及した2つの主要な欠陥に対処するために設計された先駆的なアプローチである。 これは、サンプルの様々な視点に対してターゲットエンコーダの表現を統一するサンプルワイドプロトタイプによって達成される。 より強力な有効性を得るために、我々はサロゲートエンコーダを訓練し、ミスマッチした埋め込み-プロトタイプペアを識別するマルチリレーショナル抽出損失を開発する。
  論文  参考訳（メタデータ） (2023-12-01T15:03:29Z)
• Token-Level Adversarial Prompt Detection Based on Perplexity Measures and Contextual Information [67.78183175605761]
  大規模言語モデルは、敵の迅速な攻撃に影響を受けやすい。 この脆弱性は、LLMの堅牢性と信頼性に関する重要な懸念を浮き彫りにしている。 トークンレベルで敵のプロンプトを検出するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-20T03:17:21Z)
• SCL-VI: Self-supervised Context Learning for Visual Inspection of Industrial Defects [4.487908181569429]
  本稿では,有名なジグソーパズルに取り組むことで,最適なエンコーダを導出する自己教師型学習アルゴリズムを提案する。 提案手法では, 対象画像を9つのパッチに分割し, エンコーダに2つのパッチ間の相対的な位置関係を予測して, リッチなセマンティクスを抽出する。
  論文  参考訳（メタデータ） (2023-11-11T08:01:40Z)
• 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)
• BOSS: Bidirectional One-Shot Synthesis of Adversarial Examples [8.359029046999233]
  本稿では,逆数例のワンショット合成を提案する。 入力はスクラッチから合成され、事前訓練されたモデルの出力で任意のソフト予測を誘導する。 本稿では,本フレームワークの汎用性と汎用性を示す。
  論文  参考訳（メタデータ） (2021-08-05T17:43:36Z)
• ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
  正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。 提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
  論文  参考訳（メタデータ） (2020-12-09T08:16:35Z)
• CIMON: Towards High-quality Hash Codes [63.37321228830102]
  我々はtextbfComprehensive stextbfImilarity textbfMining と ctextbfOnsistency leartextbfNing (CIMON) という新しい手法を提案する。 まず、グローバルな洗練と類似度統計分布を用いて、信頼性とスムーズなガイダンスを得る。第二に、意味的整合性学習とコントラスト的整合性学習の両方を導入して、乱不変と差別的ハッシュコードの両方を導出する。
  論文  参考訳（メタデータ） (2020-10-15T14:47:14Z)
• Pairwise Supervised Hashing with Bernoulli Variational Auto-Encoder and Self-Control Gradient Estimator [62.26981903551382]
  バイナリ潜在変数を持つ変分自動エンコーダ(VAE)は、文書検索の精度の観点から最先端のパフォーマンスを提供する。 本稿では、クラス内類似度とクラス間類似度に報いるために、個別潜伏型VAEを用いたペアワイズ損失関数を提案する。 この新しいセマンティックハッシュフレームワークは、最先端技術よりも優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-05-21T06:11:33Z)

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。