#18
summarized by : 福原吉博 (Yoshihiro Fukuhara)
Adversarial Vertex Mixup: Toward Better Adversarially Robust Generalization

どんな論文か?

Adversarial Examplesに対する防御手法の研究。現在最も有効な防御手法であるAdversarial Training (AT) には精度と頑健性の間でtrade-offが発生するという問題の原因を分析し、trade-off 問題を緩和する新しい防御手法 Adversarial Vertex mixupを提案した。
placeholder

新規性

Adversarial Training (AT)したモデルの頑健性の汎化性能を低下させている現象、Adversarial Feature Overfitting (AFO)を明らかにしたこと。AFOを緩和する手法として、ソフトラベリングとATを組み合わせたAdversarial Vertex mixup (AVmixup)を提案したこと。

結果

CIFAR10、CIFAR100、SVHN、Tiny Imagenetを用いて既存の防御手法(PGD-AT、PGD-AT+Label Smoothing、TRADES)と比較して、AVmixupは通常の精度と頑健性の両方において最も高性能であった。また、AVmixupと既存の防御手法のFeature Scatterを組み合わせることでさらに防御性能を大きく向上させることが可能であることを確認した。

その他(なぜ通ったか?等)

Adversarial Training において大きな課題の1つであった精度と頑健性の間のtrade-off問題に対してシンプルだが有効な手法を提案しており、性能も既存手法と比較して優れているため。