对抗鲁棒分割模型学习感知对齐的梯度

对抗训练对语义分割网络的影响尚未被充分探索。虽然先前工作表明对抗训练的图像分类器可用于执行图像合成，我们尚待理解如何最好地利用对抗训练的分割网络做同样的事。使用一个简单优化器，我们证明对抗训练的语义分割网络可用于执行图像修复与生成。我们的实验表明，对抗训练的分割网络更鲁棒，并且确实展现出感知对齐的梯度，有助于产生合理的图像修复。我们力求为以下假设增添权重：对抗鲁棒模型展现出与人类视觉更感知对齐的梯度。通过图像合成，我们认为感知对齐的梯度促进对神经网络所学表示的更好理解，并有助于使神经网络更具可解释性。