Oct, 2023

Wasserstein 畸变：统一忠实度和真实性

PDF
TL;DR我们介绍了一种图像畸变度量，Wasserstein 畸变度量，同时在像素级别忠实度和真实性方面进行了概括。我们展示了在不同参数选择下，Wasserstein 畸变度量在数学上是纯粹的忠实度约束或纯粹的真实性约束。在 Wassertein 畸变度量下相似的图像对展示了其效用。特别地，我们生成具有与图像中一点上参考纹理高忠实度的随机纹理，并在离开该点时平稳过渡到纹理的独立实现。我们还注意到了 Wasserstein 畸变度量与人类视觉系统模型之间的联系。
发现论文，激发创造
  • 基于 Wassertein 距离的立体视差估计

    本研究引入了一种新的神经网络架构和基于 Wasserstein 距离的损失函数，能够输出任意深度值以及有效地解决 3D 对象检测中物体边界的模糊问题，实现了自动驾驶中 3D 对象检测的最新技术成果。

    Jul, 2020

  • Wasserstein 空间中失真 - 感知权衡的理论

    本文研究估计器的感知 - 失真权衡问题，导出了均方误差失真和 Wasserstein-2 感知指数下的失真 - 感知（DP) 函数的闭式表达式，证明了不论潜在分布如何，DP 函数总是二次的。我们还表明，这些估计器可以从感知质量卓越的 MSE 最小化器和感知质量优良的 MSE 最小化器两个极端处的估计器构建而来。

    Jul, 2021

  • 改进的图像 Wasserstein 攻击与防御

    本文研究了图像扰动的鲁棒性问题，提出了一种新的基于 Wasserstein 距离的威胁模型，并在此基础上探讨了更强的攻击和防御方法，最后发现当前的 Wasserstein-robust 模型在抵御真实世界中的扰动方面存在的局限性。

    Apr, 2020

  • 更强更快的 Wasserstein 对抗攻击

    该研究论文针对深度模型易受到小型攻击的问题，提出了在 Wasserstein 距离约束下的投影梯度攻击算法和有效的优化算法。该算法不仅收敛更快，而且生成更强的攻击模型，从而提高了模型的鲁棒性。

    Aug, 2020

  • 使用 Wasserstein 度量的数据集精馏

    利用 Wasserstein 距离进行数据集简化，通过嵌入合成数据到预训练分类模型的特征空间进行分布匹配，实现了数据集简化的新的最先进性能。

    Nov, 2023

  • 使用 Wasserstein Loss 进行学习

    本文提出了一个基于 Wasserstein 距离的多标签学习损失函数，基于概率度量体提供了一种自然的概念。该算法可以有效鼓励模型在输出空间中使用所选度量的平滑性，并用 Yahoo Flickr Creative Commons 数据集上的标签预测问题验证了性能。

    Jun, 2015

  • 高斯混合模型空间中的 Wasserstein 型距离

    此研究介绍了一种基于 Wasserstein 距离的方法，用于高维数问题中的 Gaussian 混合模型的优化问题，并讨论了它的性质和在图像处理中的应用。

    Jul, 2019

  • 通过投影 Sinkhorn 迭代的 Wasserstein 对抗样本

    在图像分类中，基于 Wasserstein 距离的威胁模型可以成功攻击传统 CIFAR10 模型，并证明 PGD-based 的对抗训练可以提高对抗精度，进一步开辟了对抗鲁棒性研究的新方向。

    Feb, 2019

  • Banach Wasserstein GAN

    本研究探索了 Wasserstein 生成对抗网络在巴拿赫空间中引入梯度惩罚后的理论扩展和一些具体选择的基础点，重点关注 Sobolev 范数，并在 CIFAR-10 和 CelebA 中展示了性能提升。

    Jun, 2018

  • 用于表示学习的 Wasserstein 依赖度量

    本研究旨在使用 Lipschitz 约束技术构建理论上有效但实践上可行的 Wasserstein 依赖性度量，以提供更全面的表征学习结果并改善视频理解和强化学习等任务的结果。

    Mar, 2019