Buchumschlag

LTD: Low Temperature Distillation for Gradient Masking-free Adversarial Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Erh-Chung, Lee, Che-Rung
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Steal Now and Attack Later: Evaluating Robustness of Object Detection against Black-box Adversarial Attacks
von: Chen, Erh-Chung, et al.
Veröffentlicht: (2024)

The Role of Masking for Efficient Supervised Knowledge Distillation of Vision Transformers
von: Son, Seungwoo, et al.
Veröffentlicht: (2023)

SimLTD: Simple Supervised and Semi-Supervised Long-Tailed Object Detection
von: Tran, Phi Vu
Veröffentlicht: (2024)

Federated Hybrid Training and Self-Adversarial Distillation: Towards Robust Edge Networks
von: Qiao, Yu, et al.
Veröffentlicht: (2024)

Explainability-Driven Leaf Disease Classification Using Adversarial Training and Knowledge Distillation
von: Echim, Sebastian-Vasile, et al.
Veröffentlicht: (2023)

Overload: Latency Attacks on Object Detection for Edge Devices
von: Chen, Erh-Chung, et al.
Veröffentlicht: (2023)

CovMatch: Cross-Covariance Guided Multimodal Dataset Distillation with Trainable Text Encoder
von: Lee, Yongmin, et al.
Veröffentlicht: (2025)

HyperKD: Distilling Cross-Spectral Knowledge in Masked Autoencoders via Inverse Domain Shift with Spatial-Aware Masking and Specialized Loss
von: Matin, Abdul, et al.
Veröffentlicht: (2025)

SelMatch: Effectively Scaling Up Dataset Distillation via Selection-Based Initialization and Partial Updates by Trajectory Matching
von: Lee, Yongmin, et al.
Veröffentlicht: (2024)

Distilled Datamodel with Reverse Gradient Matching
von: Ye, Jingwen, et al.
Veröffentlicht: (2024)

Gradient-free Decoder Inversion in Latent Diffusion Models
von: Hong, Seongmin, et al.
Veröffentlicht: (2024)

PeerAiD: Improving Adversarial Distillation from a Specialized Peer Tutor
von: Jung, Jaewon, et al.
Veröffentlicht: (2024)

Improving Generative Adversarial Networks with Self-Distillation
von: Nowinowski, Antoni, et al.
Veröffentlicht: (2026)

SGMD: Score Gradient Matching Distillation for Few-Step Video Diffusion Distillation
von: Wu, Zhuguanyu, et al.
Veröffentlicht: (2026)

AIM: Adversarial Information Masking for Faithfulness Evaluation of Saliency Maps
von: Hsieh, Chia-Ying, et al.
Veröffentlicht: (2026)

MaskBit: Embedding-free Image Generation via Bit Tokens
von: Weber, Mark, et al.
Veröffentlicht: (2024)

Gradient-Sign Masking for Task Vector Transport Across Pre-Trained Models
von: Rinaldi, Filippo, et al.
Veröffentlicht: (2025)

Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly Detectors
von: Ristea, Nicolae-Catalin, et al.
Veröffentlicht: (2023)

Masking Teacher and Reinforcing Student for Distilling Vision-Language Models
von: Lee, Byung-Kwan, et al.
Veröffentlicht: (2025)

Towards Adversarially Robust Dataset Distillation by Curvature Regularization
von: Xue, Eric, et al.
Veröffentlicht: (2024)

Contrastive Adversarial Training for Unsupervised Domain Adaptation
von: Chen, Jiahong, et al.
Veröffentlicht: (2024)

Hallucinatory Image Tokens: A Training-free EAZY Approach on Detecting and Mitigating Object Hallucinations in LVLMs
von: Che, Liwei, et al.
Veröffentlicht: (2025)

Spectral Gradient Surgery for Domain-Generalizable Dataset Distillation
von: Oh, Minyoung, et al.
Veröffentlicht: (2026)

TRIX- Trading Adversarial Fairness via Mixed Adversarial Training
von: Medi, Tejaswini, et al.
Veröffentlicht: (2025)

MEAT: Median-Ensemble Adversarial Training for Improving Robustness and Generalization
von: Hu, Zhaozhe, et al.
Veröffentlicht: (2024)

Revisiting Semi-supervised Adversarial Robustness via Noise-aware Online Robust Distillation
von: Wu, Tsung-Han, et al.
Veröffentlicht: (2024)

Federated Learning with Label-Masking Distillation
von: Lu, Jianghu, et al.
Veröffentlicht: (2024)

Unsupervised Video Domain Adaptation with Masked Pre-Training and Collaborative Self-Training
von: Reddy, Arun, et al.
Veröffentlicht: (2023)

Instant Adversarial Purification with Adversarial Consistency Distillation
von: Lei, Chun Tong, et al.
Veröffentlicht: (2024)

Amortized Posterior Sampling with Diffusion Prior Distillation
von: Mammadov, Abbas, et al.
Veröffentlicht: (2024)

Guiding Distribution Matching Distillation with Gradient-Based Reinforcement Learning
von: Dong, Linwei, et al.
Veröffentlicht: (2026)

Enhancing Adversarial Robustness via Uncertainty-Aware Distributional Adversarial Training
von: Dong, Junhao, et al.
Veröffentlicht: (2024)

What is Adversarial Training for Diffusion Models?
von: Rosaria, Briglia Maria, et al.
Veröffentlicht: (2025)

ManifoldGD: Training-Free Hierarchical Manifold Guidance for Diffusion-Based Dataset Distillation
von: Roy, Ayush, et al.
Veröffentlicht: (2026)

Adaptive Temperature Based on Logits Correlation in Knowledge Distillation
von: Matsuyama, Kazuhiro, et al.
Veröffentlicht: (2025)

Data-Driven Lipschitz Continuity: A Cost-Effective Approach to Improve Adversarial Robustness
von: Chen, Erh-Chung, et al.
Veröffentlicht: (2024)

AI-KD: Adversarial learning and Implicit regularization for self-Knowledge Distillation
von: Kim, Hyungmin, et al.
Veröffentlicht: (2022)

Adversarial Score identity Distillation: Rapidly Surpassing the Teacher in One Step
von: Zhou, Mingyuan, et al.
Veröffentlicht: (2024)

Dynamic Label Adversarial Training for Deep Learning Robustness Against Adversarial Attacks
von: Liu, Zhenyu, et al.
Veröffentlicht: (2024)

Adversarial Training in Low-Label Regimes with Margin-Based Interpolation
von: Ye, Tian, et al.
Veröffentlicht: (2024)