ロバストなモデルは入力データにちょっとした摂動が加わっても出力に影響しないという従来の発想とは異なり、ロバストなモデルはモデル構造やパラメタにちょっとした摂動が加わっても出力に影響しないという新しい発想で研究に着手している。

CIFAR-10とSVHNでこれまでのSoTA手法を上回る性能を達成。 Ablation studyにより、モデル構造に摂動を加えながら学習することの有効性と、モデルパラメタに摂動を加えながら学習することの有効性をそれぞれ確認。

発想が新しく、SoTAと同等以上の性能も達成して、Ablation studyもきちんとなされている。ただ、もっと多くのデータセットで実験されていればもっと良かった。