Core Concepts
Auxiliary Fourier-basis Augmentation (AFA) enhances model robustness against common corruptions and perturbations, filling the gap left by visual augmentations.
Abstract
コンピュータビジョンモデルのロバスト性を向上させるために、Fourier基底関数を使用した補助的な周波数拡張(AFA)が提案されました。AFAは、視覚的な拡張がカバーしきれない領域を補完し、一般的な画像の破損や摂動に対するモデルのロバスト性を向上させます。この手法は、周波数ドメインでの画像変換によりモデルの頑健性を高め、視覚的な拡張と組み合わせてモデルのパフォーマンスを向上させます。
Stats
AFAは他の方法と比較して計算負荷が少なく、他の敵対的手法よりも効果的です。
AFAは通常の拡張訓練と比較してわずかな追加コストしかかからず、一般的な画像破損に対するロバスト性を向上させます。
AFAは主要なAugMaxよりも低いメモリ使用量とFLOPsで同等またはそれ以上の汎化結果を提供します。
Quotes
"Common visual augmentations might not guarantee extensive robustness of computer vision models."
"Auxiliary Fourier-basis Augmentation (AFA) enhances the robustness of models against common corruptions, OOD generalization, and consistency of performance."
"AFA benefits the robustness of models against common corruptions, OOD generalization, and consistency of predictions w.r.t. perturbations."