ICLRMar, 2023
重新思考对抗性对比学习中数据增强的影响
Rethinking the Effect of Data Augmentation in Adversarial Contrastive Learning
Rundong Luo, Yifei Wang, Yisen Wang
TL;DR本研究提出一种名为 DYNACL 的方法,通过逐渐从强的数据增强到弱的数据增强,使自我对抗训练(self-AT)中的强数据增强和弱数据增强之间的困境得到解决,并通过适应后处理阶段进一步提高自我对抗训练的成果。