跳到主要内容
检索

# ARAFT锚定排序对抗微调

1 篇关联报道

订阅更新
  1. arXiv

    视觉定位模型被隐形扰动打回零召回:ARAFT 在 5 点干净精度预算内把鲁棒 R@1 提到 47.3

    当前基于 DINOv2 的视觉位置识别模型在查询图像受到不可见扰动时几乎丧失全部 top-1 召回:在排序攻击下,SuperVLAD 与 BoQ 在四个基准上的 R@1 至多 0.2%。ARAFT 在预训练模型上联合使用干净图像的原度量学习损失、针对最难正样本的列表式排序损失,以及把对抗描述子拉回冻结预训练模型干净描述子的锚定项,并在事先固定的干净精度预算下挑选检查点。在验证集 5 点干净 R@1 预算内,普通对抗训练没有可用检查点,ARAFT 把鲁棒 R@1 从零提高到 SuperVLAD 的 47.3 和 BoQ 的 55.3。

已读完全部报道