上下文融合增强对图像模糊的鲁棒性
计算机视觉与模式识别
2024-06-10 v1
摘要
哺乳动物大脑通过整合专门处理特定感觉模态的脑区信息来处理复杂推理。这使其比深度神经网络具有更好的鲁棒性和泛化能力，后者通常处理单一模态且易受扰动影响。虽然存在防御方法，但它们不能很好地泛化到不同扰动。我们开发了一种融合模型，结合了在ImageNet和Places365上训练的CNN的背景和前景特征。我们在MS COCO上测试了其对人类可感知扰动的鲁棒性。融合模型提高了鲁棒性，尤其是对于上下文变异性更大的类别。我们提出的集成多种模态的解决方案提供了一种增强鲁棒性的新方法，并且可能与现有方法互补。
引用
@article{arxiv.2406.05120,
title = {Contextual fusion enhances robustness to image blurring},
author = {Shruti Joshi and Aiswarya Akumalla and Seth Haney and Maxim Bazhenov},
journal= {arXiv preprint arXiv:2406.05120},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2011.09526