Buchumschlag

Theoretical Understanding of Learning from Adversarial Perturbations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kumano, Soichiro, Kera, Hiroshi, Yamasaki, Toshihiko
Format:	Preprint
Veröffentlicht:	2024
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

Wide Two-Layer Networks can Learn from Adversarial Perturbations
von: Kumano, Soichiro, et al.
Veröffentlicht: (2024)

Adversarial Training from Mean Field Perspective
von: Kumano, Soichiro, et al.
Veröffentlicht: (2025)

Adversarially Pretrained Transformers May Be Universally Robust In-Context Learners
von: Kumano, Soichiro, et al.
Veröffentlicht: (2025)

Language-guided Detection and Mitigation of Unknown Dataset Bias
von: Zhao, Zaiying, et al.
Veröffentlicht: (2024)

Adversarially Trained Object Detector for Unsupervised Domain Adaptation
von: Fujii, Kazuma, et al.
Veröffentlicht: (2021)

Learning Moderately Input-Sensitive Functions: A Case Study in QR Code Decoding
von: Yoda, Kazuki, et al.
Veröffentlicht: (2025)

Data-Driven Prediction of Seismic Intensity Distributions Featuring Hybrid Classification-Regression Models
von: Mizutani, Koyu, et al.
Veröffentlicht: (2024)

Reward Incremental Learning in Text-to-Image Generation
von: Wang, Maorong, et al.
Veröffentlicht: (2024)

Dealing with Synthetic Data Contamination in Online Continual Learning
von: Wang, Maorong, et al.
Veröffentlicht: (2024)

Identifying Important Group of Pixels using Interactions
von: Sumiyasu, Kosuke, et al.
Veröffentlicht: (2024)

Continual Distillation of Teachers from Different Domains
von: Michel, Nicolas, et al.
Veröffentlicht: (2026)

Attribute-Guided Multi-Level Attention Network for Fine-Grained Fashion Retrieval
von: Xiao, Ling, et al.
Veröffentlicht: (2022)

Dynamic Epsilon Scheduling: A Multi-Factor Adaptive Perturbation Budget for Adversarial Training
von: Mitkiy, Alan, et al.
Veröffentlicht: (2025)

Detecting Adversarial Data using Perturbation Forgery
von: Wang, Qian, et al.
Veröffentlicht: (2024)

Towards Understanding Adversarial Transferability in Federated Learning
von: Li, Yijiang, et al.
Veröffentlicht: (2023)

Adversarial Example Defense via Perturbation Grading Strategy
von: Zhu, Shaowei, et al.
Veröffentlicht: (2022)

PolyGen: Fully Synthetic Vision-Language Training via Multi-Generator Ensembles
von: Brusini, Leonardo, et al.
Veröffentlicht: (2026)

SVasP: Self-Versatility Adversarial Style Perturbation for Cross-Domain Few-Shot Learning
von: Li, Wenqian, et al.
Veröffentlicht: (2024)

SRasP: Self-Reorientation Adversarial Style Perturbation for Cross-Domain Few-Shot Learning
von: Li, Wenqian, et al.
Veröffentlicht: (2026)

Improving Generalization of Universal Adversarial Perturbation via Dynamic Maximin Optimization
von: Zhang, Yechao, et al.
Veröffentlicht: (2025)

Taming the Long Tail: Rebalancing Adversarial Training via Adaptive Perturbation
von: Zhang, Lilin, et al.
Veröffentlicht: (2026)

Improving Transformation-based Defenses against Adversarial Examples with First-order Perturbations
von: Zhang, Haimin, et al.
Veröffentlicht: (2021)

Understanding Adversarial Robustness from Feature Maps of Convolutional Layers
von: Xu, Cong, et al.
Veröffentlicht: (2022)

Structure-aware Contrastive Learning for Diagram Understanding of Multimodal Models
von: Sasaki, Hiroshi
Veröffentlicht: (2025)

Convergence Analysis of Blurring Mean Shift
von: Yamasaki, Ryoya, et al.
Veröffentlicht: (2024)

Understanding Adversarial Training with Energy-based Models
von: Mirza, Mujtaba Hussain, et al.
Veröffentlicht: (2025)

Transcending Adversarial Perturbations: Manifold-Aided Adversarial Examples with Legitimate Semantics
von: Li, Shuai, et al.
Veröffentlicht: (2024)

Physically-Induced Atmospheric Adversarial Perturbations: Enhancing Transferability and Robustness in Remote Sensing Image Classification
von: Zhuang, Weiwei, et al.
Veröffentlicht: (2026)

Learning from Similarity Proportion Loss for Classifying Skeletal Muscle Recovery Stages
von: Yamaoka, Yu, et al.
Veröffentlicht: (2025)

A Multihead Continual Learning Framework for Fine-Grained Fashion Image Retrieval with Contrastive Learning and Exponential Moving Average Distillation
von: Xiao, Ling, et al.
Veröffentlicht: (2026)

Face2Diffusion for Fast and Editable Face Personalization
von: Shiohara, Kaede, et al.
Veröffentlicht: (2024)

Unified Vector Floorplan Generation via Markup Representation
von: Shiohara, Kaede, et al.
Veröffentlicht: (2026)

CE-FAM: Concept-Based Explanation via Fusion of Activation Maps
von: Kuroki, Michihiro, et al.
Veröffentlicht: (2025)

BSED: Baseline Shapley-Based Explainable Detector
von: Kuroki, Michihiro, et al.
Veröffentlicht: (2023)

Bias Beyond Demographics: Probing Decision Boundaries in Black-Box LVLMs via Counterfactual VQA
von: Zhao, Zaiying, et al.
Veröffentlicht: (2025)

Boosting Adversarial Transferability via Residual Perturbation Attack
von: Peng, Jinjia, et al.
Veröffentlicht: (2025)

Doubly Perturbed Task Free Continual Learning
von: Lee, Byung Hyun, et al.
Veröffentlicht: (2023)

Adversarial Semantic and Label Perturbation Attack for Pedestrian Attribute Recognition
von: Kong, Weizhe, et al.
Veröffentlicht: (2025)

Consistent Attack: Universal Adversarial Perturbation on Embodied Vision Navigation
von: Ying, Chengyang, et al.
Veröffentlicht: (2022)

AutoJoin: Efficient Adversarial Training against Gradient-Free Perturbations for Robust Maneuvering via Denoising Autoencoder and Joint Learning
von: Villarreal, Michael, et al.
Veröffentlicht: (2022)