Buchumschlag

Multi-head Ensemble of Smoothed Classifiers for Certified Robustness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fang, Kun, Tao, Qinghua, Wu, Yingwen, Li, Tao, Huang, Xiaolin, Yang, Jie
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Robust Neural Networks via Orthogonal Diversity
von: Fang, Kun, et al.
Veröffentlicht: (2020)

Beyond Perceptual Distances: Rethinking Disparity Assessment for Out-of-Distribution Detection with Diffusion Models
von: Fang, Kun, et al.
Veröffentlicht: (2024)

Kernel PCA for Out-of-Distribution Detection: Non-Linear Kernel Selections and Approximations
von: Fang, Kun, et al.
Veröffentlicht: (2025)

Feature-Space Smoothing: Certified Robustness of Deep Representations
von: Xia, Song, et al.
Veröffentlicht: (2026)

Your Diffusion Model is Secretly a Certifiably Robust Classifier
von: Chen, Huanran, et al.
Veröffentlicht: (2024)

Pursuing Feature Separation based on Neural Collapse for Out-of-Distribution Detection
von: Wu, Yingwen, et al.
Veröffentlicht: (2024)

Low-Dimensional Gradient Helps Out-of-Distribution Detection
von: Wu, Yingwen, et al.
Veröffentlicht: (2023)

Mitigating the Curse of Dimensionality for Certified Robustness via Dual Randomized Smoothing
von: Xia, Song, et al.
Veröffentlicht: (2024)

Pixel-wise Smoothing for Certified Robustness against Camera Motion Perturbations
von: Hu, Hanjiang, et al.
Veröffentlicht: (2023)

Strong Transferable Adversarial Attacks via Ensembled Asymptotically Normal Distribution Learning
von: Fang, Zhengwei, et al.
Veröffentlicht: (2022)

Certifying Adapters: Enabling and Enhancing the Certification of Classifier Adversarial Robustness
von: Deng, Jieren, et al.
Veröffentlicht: (2024)

PatchDEMUX: A Certifiably Robust Framework for Multi-label Classifiers Against Adversarial Patches
von: Jacob, Dennis, et al.
Veröffentlicht: (2025)

Adaptive Diffusion Denoised Smoothing : Certified Robustness via Randomized Smoothing with Differentially Private Guided Denoising Diffusion
von: Shpilevskiy, Frederick, et al.
Veröffentlicht: (2025)

Merging Multi-Task Models via Weight-Ensembling Mixture of Experts
von: Tang, Anke, et al.
Veröffentlicht: (2024)

COMMIT: Certifying Robustness of Multi-Sensor Fusion Systems against Semantic Attacks
von: Huang, Zijian, et al.
Veröffentlicht: (2024)

Efficient and Effective Weight-Ensembling Mixture of Experts for Multi-Task Model Merging
von: Shen, Li, et al.
Veröffentlicht: (2024)

Smoothing the Shift: Towards Stable Test-Time Adaptation under Complex Multimodal Noises
von: Guo, Zirun, et al.
Veröffentlicht: (2025)

Enhancing Certifiable Semantic Robustness via Robust Pruning of Deep Neural Networks
von: Hu, Hanjiang, et al.
Veröffentlicht: (2025)

RectifID: Personalizing Rectified Flow with Anchored Classifier Guidance
von: Sun, Zhicheng, et al.
Veröffentlicht: (2024)

Optimizing Parking Space Classification: Distilling Ensembles into Lightweight Classifiers
von: Alves, Paulo Luza, et al.
Veröffentlicht: (2024)

Creating Ensembles of Classifiers through UMDA for Aerial Scene Classification
von: Faria, Fabio A., et al.
Veröffentlicht: (2023)

Ensemble of Small Classifiers For Imbalanced White Blood Cell Classification
von: Srivastava, Siddharth, et al.
Veröffentlicht: (2026)

Expanding the Role of Diffusion Models for Robust Classifier Training
von: Huang, Pin-Han, et al.
Veröffentlicht: (2026)

Pixel-level Certified Explanations via Randomized Smoothing
von: Anani, Alaa, et al.
Veröffentlicht: (2025)

Cert-LAS: Toward Certified Model Ownership Verification for Text-to-Image Diffusion Models via Layer-Adaptive Smoothing
von: Qi, Leyi, et al.
Veröffentlicht: (2026)

Cert-SSBD: Certified Backdoor Defense with Sample-Specific Smoothing Noises
von: Qiao, Ting, et al.
Veröffentlicht: (2025)

Certifiably Robust Image Watermark
von: Jiang, Zhengyuan, et al.
Veröffentlicht: (2024)

Producing Plankton Classifiers that are Robust to Dataset Shift
von: Chen, Cheng, et al.
Veröffentlicht: (2024)

Classifier-guided Gradient Modulation for Enhanced Multimodal Learning
von: Guo, Zirun, et al.
Veröffentlicht: (2024)

Improving the Accuracy-Robustness Trade-Off of Classifiers via Adaptive Smoothing
von: Bai, Yatong, et al.
Veröffentlicht: (2023)

Localized Randomized Smoothing for Collective Robustness Certification
von: Schuchardt, Jan, et al.
Veröffentlicht: (2022)

Transformer-Based Multi-Object Smoothing with Decoupled Data Association and Smoothing
von: Pinto, Juliano, et al.
Veröffentlicht: (2023)

Robust Few-Shot Ensemble Learning with Focal Diversity-Based Pruning
von: Tekin, Selim Furkan, et al.
Veröffentlicht: (2024)

Robust Classification by Coupling Data Mollification with Label Smoothing
von: Heinonen, Markus, et al.
Veröffentlicht: (2024)

Improving Robustness and Reliability in Medical Image Classification with Latent-Guided Diffusion and Nested-Ensembles
von: Shen, Xing, et al.
Veröffentlicht: (2023)

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

Revisiting Deep Ensemble for Out-of-Distribution Detection: A Loss Landscape Perspective
von: Fang, Kun, et al.
Veröffentlicht: (2023)

Missing Pattern Tree based Decision Grouping and Ensemble for Enhancing Pair Utilization in Deep Incomplete Multi-View Clustering
von: Xu, Jie, et al.
Veröffentlicht: (2025)

Sparse Representations Improve Adversarial Robustness of Neural Network Classifiers
von: Steunou, Killian, et al.
Veröffentlicht: (2025)

Learning Robust Classifiers with Self-Guided Spurious Correlation Mitigation
von: Zheng, Guangtao, et al.
Veröffentlicht: (2024)