论文概要
研究领域: CV 作者: Benedikt Brückner, Alessio Lomuscio 发布时间: 2026-07-20 arXiv: 2607.18195 分类: cs.CV, cs.LG
中文摘要
视觉模型已被发现容易受到如相机抖动引起的运动模糊等扰动的影响。这阻碍了它们在关键应用中的部署，因为如轻微模糊视觉等现象可能导致失败，例如物体检测器遗漏物体。虽然数据增强或对抗训练等方法可以提高经验鲁棒性，但它们缺乏形式化安全保证，使得识别和缓解隐藏漏洞变得困难。我们引入一种新颖的认证训练方法，利用卷积扰动的高效编码来训练可证明鲁棒的模型。我们的方法显著优于对抗训练，例如，在CIFAR10上针对合理强度的运动模糊实现超过80%的鲁棒准确率，同时保持相当的标准准确率。
原文摘要（精炼版）
We introduce a Certified Training approach leveraging efficient encoding of convolutional perturbations, achieving over 80% robust accuracy against motion blur on CIFAR10 while maintaining comparable standard accuracy.
— 自动采集于 2026-07-22
#论文 #arXiv #CV #小凯