In dieser Arbeit untersuchen die Autoren, ob die Abweichung der Statistiken der diskreten Kosinustransformationskoeffizienten (DCT) von Bildern vom theoretischen Benford'schen Gesetz (BFL) genutzt werden kann, um anomale Eingaben oder außerhalb der Verteilung liegende Daten in Sichtmodellen zu erkennen.
Die Autoren beschreiben zunächst die Theorie und die aktuellen Anwendungen der Verteilungsstatistiken von Bildern. Sie erläutern dann die Methodik zur Extraktion einer Verteilungsvergleichsmetrik aus Bildern und stellen den verwendeten ImageNet-C-Datensatz vor, der verschiedene Bildkorruptionen enthält.
Die Ergebnisse zeigen, dass für viele Korruptionsarten Bilder, die stärker korrupt sind, typischerweise stärker von der erwarteten BFL-Verteilung abweichen. Dies deutet darauf hin, dass dieser Ansatz als ergänzende Methode zur Erkennung von Anomalien oder außerhalb der Verteilung liegenden Daten verwendet werden könnte, auch wenn er nicht alle Fälle abdeckt. Die Autoren diskutieren mögliche Erweiterungen und Anwendungen dieser Technik.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Laura O'Maho... في arxiv.org 03-26-2024
https://arxiv.org/pdf/2403.15497.pdfاستفسارات أعمق