Buchumschlag

Expanding the Role of Diffusion Models for Robust Classifier Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Pin-Han, Chen, Shang-Tse, Lin, Hsuan-Tien
Format:	Preprint
Veröffentlicht:	2026
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

Score-based Conditional Generation with Fewer Labeled Data by Self-calibrating Classifier Guidance
von: Huang, Paul Kuo-Ming, et al.
Veröffentlicht: (2023)

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

DiffAug: A Diffuse-and-Denoise Augmentation for Training Robust Classifiers
von: Sastry, Chandramouli, et al.
Veröffentlicht: (2023)

DRAG: Data Reconstruction Attack using Guided Diffusion
von: Lei, Wa-Kin, et al.
Veröffentlicht: (2025)

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

No Training, No Problem: Rethinking Classifier-Free Guidance for Diffusion Models
von: Sadat, Seyedmorteza, et al.
Veröffentlicht: (2024)

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

Continual Personalization for Diffusion Models
von: Liao, Yu-Chien, et al.
Veröffentlicht: (2025)

Receler: Reliable Concept Erasing of Text-to-Image Diffusion Models via Lightweight Erasers
von: Huang, Chi-Pin, et al.
Veröffentlicht: (2023)

Diffusion Classifier Guidance for Non-robust Classifiers
von: Vaeth, Philipp, et al.
Veröffentlicht: (2025)

CLImage: Human-Annotated Datasets for Complementary-Label Learning
von: Wang, Hsiu-Hsuan, et al.
Veröffentlicht: (2023)

Intra-Cluster Mixup: An Effective Data Augmentation Technique for Complementary-Label Learning
von: Mai, Tan-Ha, et al.
Veröffentlicht: (2025)

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

Multi-head Ensemble of Smoothed Classifiers for Certified Robustness
von: Fang, Kun, et al.
Veröffentlicht: (2022)

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

Diffusion Models without Classifier-free Guidance
von: Tang, Zhicong, et al.
Veröffentlicht: (2025)

Trap-MID: Trapdoor-based Defense against Model Inversion Attacks
von: Liu, Zhen-Ting, et al.
Veröffentlicht: (2024)

Shedding More Light on Robust Classifiers under the lens of Energy-based Models
von: Mirza, Mujtaba Hussain, et al.
Veröffentlicht: (2024)

Conditional Diffusion Models are Medical Image Classifiers that Provide Explainability and Uncertainty for Free
von: Favero, Gian Mario, et al.
Veröffentlicht: (2025)

VillanDiffusion: A Unified Backdoor Attack Framework for Diffusion Models
von: Chou, Sheng-Yen, et al.
Veröffentlicht: (2023)

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

libcll: an Extendable Python Toolkit for Complementary-Label Learning
von: Ye, Nai-Xuan, et al.
Veröffentlicht: (2024)

Sparse-to-Sparse Training of Diffusion Models
von: Oliveira, Inês Cardoso, et al.
Veröffentlicht: (2025)

What is Adversarial Training for Diffusion Models?
von: Rosaria, Briglia Maria, 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)

CFG-Ctrl: Control-Based Classifier-Free Diffusion Guidance
von: Wang, Hanyang, et al.
Veröffentlicht: (2026)

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

Dynamic Classifier-Free Diffusion Guidance via Online Feedback
von: Papalampidi, Pinelopi, et al.
Veröffentlicht: (2025)

T-Stitch: Accelerating Sampling in Pre-Trained Diffusion Models with Trajectory Stitching
von: Pan, Zizheng, et al.
Veröffentlicht: (2024)

Hyperbolic Structured Classification for Robust Single Positive Multi-label Learning
von: Lin, Yiming, et al.
Veröffentlicht: (2025)

Outlier-Robust Training of Machine Learning Models
von: Talak, Rajat, et al.
Veröffentlicht: (2024)

RCDM: Enabling Robustness for Conditional Diffusion Model
von: Xu, Weifeng, et al.
Veröffentlicht: (2024)

Disentanglement in T-space for Faster and Distributed Training of Diffusion Models with Fewer Latent-states
von: Gupta, Samarth, et al.
Veröffentlicht: (2025)

Cameras as Rays: Pose Estimation via Ray Diffusion
von: Zhang, Jason Y., et al.
Veröffentlicht: (2024)

Adaptive Training Meets Progressive Scaling: Elevating Efficiency in Diffusion Models
von: Li, Wenhao, et al.
Veröffentlicht: (2023)

Expand and Prune: Maximizing Trajectory Diversity for Effective GRPO in Generative Models
von: Ge, Shiran, et al.
Veröffentlicht: (2025)

EDA-DM: Enhanced Distribution Alignment for Post-Training Quantization of Diffusion Models
von: Liu, Xuewen, et al.
Veröffentlicht: (2024)

Variance-Aware Adaptive Weighting for Diffusion Model Training
von: Sun, Nanlong, et al.
Veröffentlicht: (2026)

Linking Robustness and Generalization: A k* Distribution Analysis of Concept Clustering in Latent Space for Vision Models
von: Kotyan, Shashank, et al.
Veröffentlicht: (2024)