Entrar
insight - 이미지 분류 및 분할
테스트 시간 적응에 대한 악의적인 테스트 샘플에 대한 강력한 방어
테스트 시간 적응(TTA)은 훈련 데이터와 테스트 데이터 간의 예기치 않은 분포 변화로 인한 성능 저하를 해결하는 유망한 솔루션이다. 그러나 TTA의 적응성은 모델을 악의적인 예제에 취약하게 만든다. 이에 대응하여 우리는 배치 정규화(BN) 계층의 통계 추정에서 중앙값의 강건성을 활용하는 중앙값 배치 정규화(MedBN) 방법을 제안한다. MedBN은 기존 TTA 프레임워크와 원활하게 통합되며, 벤치마크 데이터셋에서 다양한 공격 시나리오에서 기존 접근법보다 강력한 성능을 보여준다.
다양한 모델들의 가중치 평균을 통한 일반화 성능 향상 기법 (PopulAtion Parameter Averaging, PAPA)
다양한 데이터 증강 및 정규화 기법을 적용하여 학습된 모델들의 가중치를 점진적으로 평균화하는 PAPA 기법은 단일 모델 대비 높은 일반화 성능을 달성할 수 있다.
다양한 모델들의 가중치 평균을 통한 일반화 성능 향상 기법 (PopulAtion Parameter Averaging, PAPA)
다양한 데이터 증강 및 정규화 기법을 적용하여 학습된 모델들의 가중치를 점진적으로 평균화하는 PAPA 기법은 단일 모델 대비 높은 일반화 성능을 달성할 수 있다.
Produtos | Recursos
© 2024 by Linnk AI