Buchumschlag

MEAT: Median-Ensemble Adversarial Training for Improving Robustness and Generalization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Zhaozhe, Yin, Jia-Li, Chen, Bin, Lin, Luojun, Chen, Bo-Hao, Liu, Ximeng
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

SemiAdv: Query-Efficient Black-Box Adversarial Attack with Unlabeled Images
von: Fan, Mingyuan, et al.
Veröffentlicht: (2024)

Improving Adversarial Energy-Based Model via Diffusion Process
von: Geng, Cong, et al.
Veröffentlicht: (2024)

Boosting Adversarial Transferability via Ensemble Non-Attention
von: Zou, Yipeng, et al.
Veröffentlicht: (2025)

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

Adversarially Robust Industrial Anomaly Detection Through Diffusion Model
von: Cao, Yuanpu, et al.
Veröffentlicht: (2024)

Adversarial Flow Models
von: Lin, Shanchuan, et al.
Veröffentlicht: (2025)

Corruption-Aware Training of Latent Video Diffusion Models for Robust Text-to-Video Generation
von: Maduabuchi, Chika, et al.
Veröffentlicht: (2025)

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

Compositional Adversarial Training for Robust Visual Watermarking
von: Satheesh, Anirudh, et al.
Veröffentlicht: (2026)

Continuous Adversarial Flow Models
von: Lin, Shanchuan, et al.
Veröffentlicht: (2026)

SOLAR: Switchable Output Layer for Accuracy and Robustness in Once-for-All Training
von: Tareen, Shaharyar Ahmed Khan, et al.
Veröffentlicht: (2025)

Improving Accuracy-robustness Trade-off via Pixel Reweighted Adversarial Training
von: Zhang, Jiacheng, et al.
Veröffentlicht: (2024)

Improved Diffusion-based Generative Model with Better Adversarial Robustness
von: Wang, Zekun, et al.
Veröffentlicht: (2025)

Language-Driven Anchors for Zero-Shot Adversarial Robustness
von: Li, Xiao, et al.
Veröffentlicht: (2023)

Narrowing Class-Wise Robustness Gaps in Adversarial Training
von: Amerehi, Fatemeh, et al.
Veröffentlicht: (2025)

DAT: Improving Adversarial Robustness via Generative Amplitude Mix-up in Frequency Domain
von: Li, Fengpeng, et al.
Veröffentlicht: (2024)

Improving Adversarial Robustness of Attribution via Implicit Regularization
von: Mehrpanah, Amir, et al.
Veröffentlicht: (2026)

Intriguing Frequency Interpretation of Adversarial Robustness for CNNs and ViTs
von: Chen, Lu, et al.
Veröffentlicht: (2025)

RANSAC Revisited: An Improved Algorithm for Robust Subspace Recovery under Adversarial and Noisy Corruptions
von: Chen, Guixian, et al.
Veröffentlicht: (2025)

Improving Fast Adversarial Training Paradigm: An Example Taxonomy Perspective
von: Gui, Jie, et al.
Veröffentlicht: (2024)

Boosting Adversarial Training via Fisher-Rao Norm-based Regularization
von: Yin, Xiangyu, et al.
Veröffentlicht: (2024)

Boosting the Robustness-Accuracy Trade-off of SNNs by Robust Temporal Self-Ensemble
von: Wang, Jihang, et al.
Veröffentlicht: (2025)

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

RegMix: Adversarial Mutual and Generalization Regularization for Enhancing DNN Robustness
von: Liu, Zhenyu, et al.
Veröffentlicht: (2025)

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

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

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

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

Deep Ensembling with No Overhead for either Training or Testing: The All-Round Blessings of Dynamic Sparsity
von: Liu, Shiwei, et al.
Veröffentlicht: (2021)

FAIR-TAT: Improving Model Fairness Using Targeted Adversarial Training
von: Medi, Tejaswini, et al.
Veröffentlicht: (2024)

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

Towards Robust Spiking Neural Networks:Mitigating Heterogeneous Training Vulnerability via Dominant Eigencomponent Projection
von: Zhang, Desong, et al.
Veröffentlicht: (2025)

Adversarial-Robust Transfer Learning for Medical Imaging via Domain Assimilation
von: Chen, Xiaohui, 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)

Nested Annealed Training Scheme for Generative Adversarial Networks
von: Wan, Chang, et al.
Veröffentlicht: (2025)

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

Robust Experts: the Effect of Adversarial Training on CNNs with Sparse Mixture-of-Experts Layers
von: Pavlitska, Svetlana, et al.
Veröffentlicht: (2025)

Towards Fair Class-wise Robustness: Class Optimal Distribution Adversarial Training
von: Zhi, Hongxin, et al.
Veröffentlicht: (2025)

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

LTD: Low Temperature Distillation for Gradient Masking-free Adversarial Training
von: Chen, Erh-Chung, et al.
Veröffentlicht: (2021)