无混叠卷积网络：通过多项式激活实现分数平移不变性
计算机视觉与模式识别
2025-10-27 v2 图像与视频处理
摘要
尽管 CNN 被认为对平移具有不变性，近期工作表明由于下采样层引起的混叠效应，事实并非如此。现有的防止混叠的架构方案是不彻底的，因为它们未能解决源自非线性层的这些效应。我们提出了一种扩展的抗混叠方法，同时处理下采样与非线性层，从而创建真正无混叠、平移不变的 CNN。我们表明所提模型对整数以及分数（即亚像素）平移均具有不变性，从而在对抗性平移的鲁棒性上优于其他平移不变方法。
引用
@article{arxiv.2303.08085,
title = {Alias-Free Convnets: Fractional Shift Invariance via Polynomial Activations},
author = {Hagay Michaeli and Tomer Michaeli and Daniel Soudry},
journal= {arXiv preprint arXiv:2303.08085},
year = {2025}
}
备注
The paper was accepted to CVPR 2023. Our code is available at https://github.com/hmichaeli/alias_free_convnets/