Core Concepts
Die Erklärung von Perzeptuell-ausgerichteten Gradienten in robusten Modellen erfolgt über die Robustheit außerhalb des Manifolds.
Abstract
Die Autoren untersuchen die Ausrichtung von Gradienten in robusten Computer Vision Modellen und deren Beziehung zur Robustheit außerhalb des Datenmanifolds. Sie identifizieren drei Robustheitsregime und zeigen, dass Modelle mit mittlerer Robustheit eine Perzeptualausrichtung aufweisen. Experimente bestätigen die Korrelation zwischen Robustheit und Perzeptualausrichtung.
Einleitung und Autoren
Abstrakt und Hintergrund
Theoretische Erklärung von PAGs
Verbindung zu Bayes Optimalen Klassifikatoren
Experimentelle Bewertung der Robustheit und Perzeptualausrichtung
Diskussion über verschiedene Robustheitsregime
Stats
"Wir zeigen, dass Modelle mit mittlerer Robustheit eine Perzeptualausrichtung aufweisen."
"Die Modelle werden zunehmend robust gegenüber Störungen außerhalb des Manifolds."
"Die Perzeptualausrichtung der Modelle korreliert mit ihrer Robustheit außerhalb des Manifolds."
Quotes
"Die Modelle werden zunehmend robust gegenüber Störungen außerhalb des Manifolds."