ICMLJan, 2022
通过选择性增强提高对抗样本的鲁棒性
Improving Out-of-Distribution Robustness via Selective Augmentation
Huaxiu Yao, Yu Wang, Sai Li, Linjun Zhang, Weixin Liang...
TL;DR探讨了在实际应用中常见的基于配分转移的问题,提出了一种选择性增广的简单混合技术 LISA,通过学习不受限制的内部表示或预测器来学习不变的预测器,并在包括亚种人群转移和领域转移的九个基准测试中验证了 LISA 的有效性。