Core Concepts
인간 동작 예측에서 적대적 공격의 중요성과 모델 취약성을 연구함.
Abstract
인간 동작 예측의 중요성과 적대적 공격의 적용
신경망 모델의 취약성과 안정성에 대한 실험 결과
다양한 모델의 성능 평가와 적대적 공격의 영향 분석
데이터셋과 메트릭에 따른 결과 비교
시각적 결과를 통한 모델의 취약성 시각화
Stats
모델의 취약성을 나타내는 결과: "모델은 적대적 공격에 취약하다."
실험 결과에 사용된 메트릭: "평균 MPJPE는 48.35이다."
Quotes
"모델의 취약성을 시각적으로 확인하기 위해 적대적 공격을 적용했습니다."
"MotionMixer는 다른 모델에 비해 가장 강건한 모델로 나타났습니다."